DBSCAN及其索引是否要求具有相同的距離函數?如果不是,什么情況下需要使用不同的距離函數?Scala 代碼如何創建 DBSCAN 和索引:import de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCANimport de.lmu.ifi.dbs.elki.algorithm.clustering.gdbscan.parallel.ParallelGeneralizedDBSCANimport de.lmu.ifi.dbs.elki.data.model.Modelimport de.lmu.ifi.dbs.elki.data.{Clustering, DoubleVector, NumberVector}import de.lmu.ifi.dbs.elki.database.{Database, StaticArrayDatabase}import de.lmu.ifi.dbs.elki.datasource.ArrayAdapterDatabaseConnectionimport de.lmu.ifi.dbs.elki.distance.distancefunction.NumberVectorDistanceFunctionimport de.lmu.ifi.dbs.elki.distance.distancefunction.minkowski.SquaredEuclideanDistanceFunctionimport de.lmu.ifi.dbs.elki.index.tree.metrical.covertree.SimplifiedCoverTreedef createDatabase(data: Array[Array[Double]], distanceFunction: NumberVectorDistanceFunction[NumberVector]): Database = { val indexFactory = new SimplifiedCoverTree.Factory[NumberVector](distanceFunction, 1.3, 20) // Create a database val db = new StaticArrayDatabase(new ArrayAdapterDatabaseConnection(data), java.util.Arrays.asList(indexFactory)) // Load the data into the database db.initialize() db}def dbscanClustering(data: Array[Array[Double]], distanceFunction: NumberVectorDistanceFunction[NumberVector]): Unit = { // Use the same `distanceFunction` for the database and DBSCAN <- is it required?? val db = createDatabase(data, distanceFunction) val dbscan = new DBSCAN[DoubleVector](distanceFunction, 0.01, 20) val result: Clustering[Model] = dbscan.run(db) println(s"Number of clusters: ${result.getAllClusters.size()}") result.getAllClusters.asScala.zipWithIndex.foreach { case (cluster, idx) => println(s"# $idx: ${cluster.getNameAutomatic}") println(s"Size: ${cluster.size()}") println(s"Model: ${cluster.getModel}")}val inputData: Array[Array[Double]] = ???dbscanClustering(inputData, SquaredEuclideanDistanceFunction)
1 回答

手掌心
TA貢獻1942條經驗 獲得超3個贊
如果索引使用相同的距離函數,則只能用于加速度。某些索引可以支持多個(但不是任意)距離,例如 R* 樹可以支持所有空間距離函數(盡管取得了不同的成功)。
顯然,如果你建立一個索引來加速余弦距離,但你要求歐幾里德最近鄰,則該索引不能也不會被使用。
你不需要使用索引,但如果沒有,你的運行時間將是 O(n2);使用索引,它可以更快(取決于參數、維度等 - 在最壞的情況下,索引是開銷)。
添加回答
舉報
0/150
提交
取消