MATLAB密度聚类程序

function [classtype]=dbscan（xMinpEps）

% Function: [classtype]=dbscan（xkEps）
% 基于密度的聚类算法（DBSCAN）
% 输入: 
% x - 数据 设置为（mn）; m-目标数 n-变量数（维数）
% Minp - number of objects in a neighborhood of an object 
% （能够被认为是一个类的最少目标数）
% Eps - neighborhood radius if not known put []
%
% 输出: 
% class - vector specifying belongingness of the i-th object to certain cluster （m1）
% 指定第i个目标所属类的向量
% type - vector specifying type of the i-th object （core: 1 border: 0 outlier: -1）
% 指定第i个目标的类型（中心：1，边境：0，离群：-1）
% Example of use:
% x=[randn（302）*.4;randn（402）*.5+ones（401）*[4 4]];
% [classtype]=dbscan（x5[]）
%          
% References:
% [1] M. Ester H. Kriegel J. Sander X. Xu A density-based algorithm for discovering 
% clusters in large spatial databases with noise proc. 2nd Int. Conf.
% on Knowledge Discovery and Data Mining Portland OR 1996 p. 226
% available from: www.dbs.informatik.uni-muenchen.de/cgi-bin/papers?query=--CO
% [2] M. Daszykowski B. Walczak D. L. Massart Looking for Natural Patterns in Data. 
% Part 1: Density based Approach Chemom. Intell. Lab. Syst. 56 （2001） 83-92 

% Michal Daszykowski
% Department of Chemometrics
% The University of Silesia
% 9 Szkolna Street
% 40-006 Katowice Poland


[mn]=size（x）;
k=Minp;

if nargin<3 || isempty（Eps）
   [Eps]=epsilon（xk）;
end

x=[（1:m）‘ x];
[mn]=size（x）;
type=zeros（1m）;
no=1;
touched=zeros（m1）;

for i=1:m
    if touched（i）==0;
       ob=x（i:）;
       D=dist（ob（2:n）x（:2:n））;
       ind=find（D<=Eps）;
    
       if length（ind）>1 && length（ind）          type（i）=0;
          class（i）=0;
       end
       if length（ind）==1
          type（i）=-1;
          class（i）=-1;  
          touched（i）=1;
       end

       if length（ind）>=k+1; 
          type（i）=1;
          class（ind）=ones（length（ind）1）*max（no）;