Beruflich Dokumente
Kultur Dokumente
Algoritmos Baseados em
Densidade
Esses
Densidade Caractersticas
Principais
Descoberta
1. Parmetros
2. Parmetros
Eps
Valor que descreve a Medida de Proximidade, isto ,
quantos pontos vizinhos prximos, um par de pontos
necessita ter em comum para serem considerados
prximos.
Raio mximo da vizinhana
MinPts
Valor relativo a densidade mnima, ou seja, nmero de
vizinhos prximos que um ponto precisa ter para ser
considerado Core Point.
Nmero de pontos mnimo em Eps desse ponto.
3. Parmetros
: {q D | dist(p,q) < = Eps}
Um ponto p alcanvel pela densidade de
um ponto q Eps, MinPts se:
1) p Neps(q)
2)Condio de Ponto Ncleo:
|Neps(q)| >= MinPts
Neps(p)
Exemplo 1
p : border point
q : core point
p
MinPts = 5
Eps = 1cm
1. Densidades
p1
2. Densidades
Conectado pela Densidade
Um ponto p conectado pela densidade a
um ponto q Eps, MinPts se existir um ponto
O para ambos, p e q so alcanveis pela
densidade de O.
q
O
C2
C1
Algoritmo do DBScan
P
IF
ExpandCluster(SetOfPoints,Point,ClusterId,Ep
s,MinPts) THEN
ClusterId := nextId(ClusterId)
END IF
END IF
END FOR
END;//DBScan
Clusters
ExpandCluster(SetOfPoints,Point,ClId,Eps,Minpts):Boolean;
seeds:=SetOfPoints,regionQuery(Point,Eps);
IF seeds.size<MinPts THEN
SetOfPint.changeClId(Point,NOISE);
RETURN false;
ELSE
SetOfPoints.changeClIds(seeds,ClId);
Seeds.delete(Point);
END IF
END;
CurrentP:=seeds.firts();
Result:= SetOfPoints.regionQuery(currentP,Eps);
IF result.size > = MinPts THEN
resultP:=result.get(i);
IF resultP.ClId
IN {UNCLASSIFIED,NOISE} THEN
seeds.append(resultP);
END IF
SetOfPoints.changeClId(result,ClId);
END IF
END FOR
END IF
Seeds.delete(currentP);
END WHILE
RETURN True;
Parmetros
Valor de Eps
Valor de MinPt
Resultado
Alto
Alto
Baixo
Baixo
Alto
Baixo
Baixo
Alto
Avaliao de desempenho
Avaliao de desempenho
Algoritmo DBScan
Vantagem
Desvantagem
Problemas do DBScan
Agrupamentos
Referncias Bibliogrficas