matrix - 以距离矩阵为输入的基于密度的聚类库

Question

需要帮助找到一个基于开放/自由密度的聚类库，该库将距离矩阵作为输入并返回集群，其中每个元素与集群中的每个其他元素的最大“x”距离（基本上返回具有指定密度的集群） .

我检查了 DBSCAN 算法，它似乎适合我的需要。您可能不会关闭的任何干净的 DBSCAN 实现，它可以通过预先计算的距离矩阵和具有所需密度的输出集群起飞？

您的输入将非常有用。

Answer 1

ELKI（位于http://elki.dbs.ifi.lmu.de/）可以加载二进制或 Ascii 格式的外部距离矩阵，然后在其上运行基于距离的聚类算法。

但是，某些算法（例如 k-means）无法工作，因为这些算法依赖于到 /mean/ 的距离，而这显然不是预先计算的。但是，例如 DBSCAN 和 OPTICS 可以很好地处理预先计算的距离。

Answer 2

我还没有尝试过，但我正在寻找类似的东西，并遇到了 DBSCAN 的这个 python 实现：

http://scikit-learn.org/dev/auto_examples/cluster/plot_dbscan.html#example-cluster-plot-dbscan-py

Answer 3

Matlab 文件交换有一个 可以直接适应预计算矩阵的实现。只需pdist1在代码中删除对函数外部的调用即可。