问题标签 [elki]

我正在使用 ELKI mini GUI 对我的数据点进行聚类。我有大约 1300 个 GPS 数据点，我想对我的 GPS 点（DBSCAN 和 OPTICS）进行聚类。作为 dbc.in 的输入文件，我使用只有 2 列（X，Y）的 csv 文件。问题是，我的 X，Y（投影）坐标非常精确，精确到小数点后 6 位。但是在运行集群算法之后，我的精度越来越低（最多小数点后 3 位）。如何提高输出点的精度？

而且在生成集群时，它会自动调用一些与我的实际点 ID（ID、X、Y）不对应的虚拟 ID。但是，输入 csv 中没有给出 ID。它仅包含两列 (X,Y)。

有谁知道我应该如何使用DimensionSelectingLatLngDistanceFunction在 ELKI 中使用？

当尝试使用它时，我得到Constraint: distance.latitudedim >= 0.

但究竟是-distance.latitudedim什么？它是否让我指定米而不是度数？但是我该怎么做呢？当我查看代码时，我可以看到它是一个整数..

当通过 ELKI 0.5 中的聚类算法分析数据集时，程序会生成许多统计数据：Jaccard 指数、F1-Measures 等。为了计算这些统计数据，必须有 2 个聚类进行比较。该算法创建的聚类与什么相比？

我正在尝试对一些地理空间数据进行聚类，我之前尝试过WEKA库。我找到了这个基准，并决定尝试ELKI。

尽管有人建议不要将 ELKI 用作 Java 库（假设它的维护比 UI 少），但我还是将它合并到了我的应用程序中，我可以说我对结果感到非常满意。它用于存储数据的结构比 Weka 使用的结构要高效得多，而且它可以选择使用空间索引这一事实无疑是一个加分项。

但是，当我将Weka 的 DBSCAN的结果与ELKI 的 DBSCAN的结果进行比较时，我有点困惑。我会接受不同的实现可以产生稍微不同的结果，但是这些差异让我认为算法有问题（可能是我的代码）。两种算法中簇的数量及其几何形状非常不同。

作为记录，我使用的是最新版本的 ELKI (0.6.0)，我用于模拟的参数是：

minpts=50 ε=0.008

我编写了两个 DBSCAN 函数（用于 Weka 和 ELKI），其中“入口点”是带有点的 csv，它们的“输出”也是相同的：一个计算一组点的凹壳的函数（每个集群一个）。由于将 csv 文件读入 ELKI“数据库”的功能相对简单，我认为我的问题可能是：

a) 在算法的参数化中；b) 阅读结果（很可能）。

参数化 DBSCAN 不会带来任何挑战，我使用了我之前通过 UI 测试过的两个强制参数：

阅读结果更具挑战性，因为我不完全了解存储集群的结构的组织；我的想法是遍历每个集群，获取点列表，并将其传递给计算凹壳的函数，以生成多边形。

我注意到“噪音”是作为一个集群出现的，所以我忽略了这个集群（我不想画它）。我不确定这是否是阅读集群的正确方法，因为我找不到很多例子。我也有一些问题，我还没有找到答案：

• getAllClusters() 和 getTopLevelClusters() 有什么区别？
• DBSCAN 集群是否“嵌套”，即：我们可以同时拥有属于多个集群的点吗？为什么？
• 我在某处读到我们不应该使用数据库 ID 来识别点，因为它们是供 ELKI 内部使用的，但是还有什么其他方法可以获取每个集群中的点列表？我读到您可以对标签使用关系，但我不确定如何实际实现它......

任何可以为我指明正确方向的评论，或任何迭代 ELKI DBSCAN 结果集的代码建议都将受到欢迎！我还在我的代码中使用了 ELKI 的 OPTICSxi，我对这些结果还有更多疑问，但我想我会将其保存到另一篇文章中。

这是对上一个问题的跟进，我们在其中评论说，使用带有经纬度坐标的欧几里得距离不会产生正确的结果。我在文档中读到ELKI 启用地理数据，即int它的距离函数，存在于各种聚类算法中。在 ELKI 的用户界面中，我可以看到有一些选项可以将默认距离函数 (euclidian) 替换为更合适的函数。我还看到，在这种情况下，您需要提供一个数据，这是有道理的，因为您必须告诉 ELKI 数据是如何投影的。我在 UI 中的选项是使用“geo.LngLatDistanceFunction”，因为我使用的是 (x,y) 坐标并使用“WGS84SpheroidEarthModel”，因为数据位于 epsg:4326 中。我正在尝试在 Java 中相应地对我的算法进行参数化，但我不知道该怎么做：如果我像这样初始化我的参数：

我可以这样设置距离函数吗？

geo.model 呢？（我对此一无所知）

我正在使用 ELKI 来挖掘一些地理空间数据（纬度、经度对），我非常关心使用正确的数据类型和算法。在我的算法的参数化器中，我尝试通过地理函数（LngLatDistanceFunction，因为我使用 x,y 数据）来更改默认距离函数，如下所示：

然而结果非常令人惊讶：它创建了重复点的集群，例如下面的示例：

(2.17199922, 41.38190043, NaN), (2.17199922, 41.38190043, NaN), (2.17199922, 41.38190043, NaN), (2.17199922, 41.38190043, NaN), (2.17199922, 41.38190043, NaN), (2.17199922, 41.38190043, NaN), (2.17199922 , 41.38190043, NaN), (2.17199922, 41.38190043, NaN), (2.17199922, 41.38190043, NaN), (2.17199922, 41.38190043, NaN)]

这是此示例的图像。

我是否使用了非地理距离（例如曼哈顿）：

，他的输出更合理

我想知道我的代码是否有问题。

我直接在数据库上运行算法，如下所示：

然后在循环中迭代结果，同时构造凸包：

为了将每个 ID 映射到一个点，我使用了一个在读取数据库时初始化的 hashmap。我添加此代码的原因是因为我怀疑我可能在向/从算法传递/读取的结构方面做错了什么。我提前感谢您提供任何可以帮助我解决此问题的意见。我发现 ELKI 是一个非常高效和复杂的库，但是我很难找到说明简单案例的示例，比如我的。

我正在使用 ELKI 对大约 14,000 个 GPS 点进行 DBSCAN 聚类。它运行良好，但我想查看有关集群的信息，例如集群中有多少点。？

在 MiniGUI 中，我可以看到db.index. 如何tree.spatial.rstarvariants.rstar.RStartTreeFactory通过 Java 代码将其设置为？

我已经实现：

对于addParameter()函数tree.spatial...RStarTreeFactory类的第二个参数未找到

我越来越NullPointerException。我使用RStarTreeFactory.class正确吗？

我无法获得 elki dbscan 返回的每个集群中的点。

输出是：

我已经在 ELKI 中完成了这个 Running DBSCAN！。我仍然无法四处查看集群中的点。我想将它存储在一个数组中。elki存储的cluster是什么结构？？我被困住了！

我正在做 DBSCAN 聚类，除了纬度经度之外，我还有一列我想在聚类结果中看到。例如数据如下所示：

现在在 minigui 中，如果我设置parser.labelindices为 2 并运行任务，则输出如下所示：

所以它仍然连接到我作为label. 我通过仅传递纬度和经度及其完全相同的方式检查了聚类结果。因此，通过将列作为“标签”传递，我可以在集群结果中检索具有 lat long 的列。

现在我想在我的java代码中使用它

但这给了一个NullPointerException. 在 MiniGuidbc.parser中是NumberVectorLabelParser默认的。所以这应该可以正常工作。我错过了什么？