Una libreria di clustering basata sulla densità che accetta la matrice di distanza come input

Question

Hai bisogno di aiuto per trovare una libreria di clustering basata sulla densità aperta/libera che prende una matrice di distanza come input e restituisce cluster con ciascun elemento al suo interno ad una distanza "x" massima da ciascuno di gli altri elementi nei cluster (sostanzialmente i cluster di ritorno con densità specificata).

Ho controllato l'algoritmo DBSCAN, sembra adatto alle mie esigenze. Qualsiasi implementazione pulita di DBSCAN che potresti non avere, che può decollare con una matrice di distanza pre-calcolata e cluster di output con la densità desiderata?

Gli input saranno davvero utili.

Answer 1

ELKI (a http://elki.dbs.ifi.lmu.de/) può caricare matrici di distanza esterne, in formato binario o Ascii e quindi eseguire algoritmi di clustering basati sulla distanza su di esso.

Alcuni algoritmi come k-means non possono tuttavia funzionare, poiché si basano sulla distanza da/mean /, che ovviamente non è precomputa. Ma ad es. DBSCAN e OPTICS funzionano bene con distanze precalcolate.

Answer 2

non l'ho ancora provato, ma sto cercando qualcosa di simile e sono imbattuto in questa implementazione pitone di 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 che è semplice da adattarsi alle matrici precalcolate. Basta rimuovere la chiamata a pdist1 al di fuori della funzione nel codice.