Biblioteka klastrowania w oparciu o gęstość, która pobiera matrycę odległości jako dane wejściowe

Question

Potrzebujesz pomocy w znalezieniu otwartej/wolnej biblioteki klastrowania opartej na gęstości, która pobiera matrycę odległości jako dane wejściowe i zwraca klastry z każdym elementem w obrębie jego maksymalnej odległości "x" od każdej z nich pozostałe elementy w klastrach (zasadniczo zwracające klastry o określonej gęstości).

Sprawdziłem algorytm DBSCAN, wydaje mi się, że odpowiada moim potrzebom. Jakiekolwiek czyste implementacje DBSCAN, których nie możesz wyłączyć, które mogą wystartować z wstępnie obliczoną macierzą odległości i klastrami wyjściowymi o pożądanej gęstości?

Twoje dane wejściowe będą naprawdę przydatne.

Answer 1

ELKI (pod http://elki.dbs.ifi.lmu.de/) może ładować zewnętrzne macierze odległości w formacie binarnym lub w formacie ASCII, a następnie uruchamiać na nim algorytmy klastrowania oparte na odległości.

Niektóre algorytmy, takie jak k-średnie, nie mogą jednak działać, ponieważ zależą od odległości do/mean /, co oczywiście nie jest wykluczone. Ale np. DBSCAN i OPTICS działają dobrze z prekomputowanymi odległościami.

Answer 2

nie próbowałem go jeszcze, ale szukam czegoś podobnego i natknąłem tej implementacji Pythona z DBSCAN:

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

Answer 3

Matlab file exchange has an implementation, która jest łatwa do przystosowania się do precomputed matryc. Wystarczy usunąć połączenie z numerem pdist1 poza funkcją w kodzie.