如何使用 ELKI 的 DBSCAN 获取集群包含的原始点？

Question

我对以下代码有 2 个问题：

如何得到结果中每个簇中的'points'？

结果怎么可能包含 3 个簇，其中一个簇的大小为 0？

import de.lmu.ifi.dbs.elki.data.model.Model;
import de.lmu.ifi.dbs.elki.database.StaticArrayDatabase;
import de.lmu.ifi.dbs.elki.datasource.ArrayAdapterDatabaseConnection;
import de.lmu.ifi.dbs.elki.datasource.DatabaseConnection;
import de.lmu.ifi.dbs.elki.distance.distancefunction.geo.LatLngDistanceFunction;
import de.lmu.ifi.dbs.elki.math.geodesy.WGS84SpheroidEarthModel;
import java.util.List;
import de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCAN;
import de.lmu.ifi.dbs.elki.data.Cluster;
import de.lmu.ifi.dbs.elki.data.Clustering;
import de.lmu.ifi.dbs.elki.data.DoubleVector;

/**
 *
 * @author Paul Z. Wu Jan 14, 2018
 */
public class DBScan {
public static void main(String args[]) {
    final double[][] data = new double[][]{{48.774332, -78.532054}, {40.774032, -73.531154},
    {40.774232, -73.531084}, {48.774332, -78.531054}};
    DatabaseConnection dbc = new ArrayAdapterDatabaseConnection(data);
    DBSCAN<DoubleVector> scan = new DBSCAN<>(new LatLngDistanceFunction(WGS84SpheroidEarthModel.STATIC), 2000, 1);
    StaticArrayDatabase db = new StaticArrayDatabase(dbc, null);
    db.initialize();
    Clustering<Model> c = scan.run(db);


    System.out.println(c.getAllClusters().isEmpty());
    List<Cluster<Model>> list = c.getAllClusters();
    for (Cluster<Model> cl : list) {
        System.out.println("size=" + cl.size());
        System.out.println("...." + cl.getIDs() + "..." + cl.getModel() + "  ");
        //How to get the original 'points' in this cluster? One of them should
        //contain {40.774032, -73.531154},{40.774232, -73.531084}
    }
}

Answer 1

见tutorial.javaapi.PassingDataToELKI line 73

Relation<NumberVector> rel = db.getRelation(TypeUtil.NUMBER_VECTOR_FIELD);

见tutorial.javaapi.PassingDataToELKI lines 102-104

for(DBIDIter it = clu.getIDs().iter(); it.valid(); it.advance()) {
    // To get the vector use:
    NumberVector v = rel.get(it);
}

ELKI 使用“整洁数据”架构。大多数算法都需要向量的数据库关系（想想：列，或 table）。实际上，与列存储并无不同，但在压缩连续密集数据方面没有任何好处。通常具有固定的维度（=矢量场）。对于地理数据，您甚至可以将其指定为正好具有 2 个维度。

标签将在一秒钟内存储 relation/table/column。

另请参阅 GeoIndexing 示例以将 DBSCAN 扩展到更大的数据集。我已经在 2300 万个地理坐标上使用了 OPTICS，但显然运行需要一段时间（虽然不是几天）。我建议为大型数据集启用进度记录，它甚至会尝试估计剩余时间。

如何使用 ELKI 的 DBSCAN 获取集群包含的原始点？

How to get the original points the cluster contained using ELKI's DBSCAN?

elki