Una biblioteca de clústeres basada en densidad que toma la matriz de distancia como entrada

Question

Necesita ayuda para encontrar una biblioteca de clústeres basada en densidad abierta/libre que toma una matriz de distancia como entrada y devuelve grupos con cada elemento dentro de ella una "x" distancia los otros elementos en los clusters (básicamente regresan clústeres con densidad especificada).

Comprobé el algoritmo DBSCAN, parece que se ajusta a mis necesidades. ¿Alguna implementación limpia de DBSCAN que quizás no se apague, que puede despegar con una matriz de distancia pre calculada y clústeres de salida con la densidad deseada?

Sus entradas serán realmente útiles.

Answer 1

ELKI (en http://elki.dbs.ifi.lmu.de/) puede cargar matrices de distancia externas, ya sea en formato binario o Ascii y luego ejecutar algoritmos de agrupamiento basados ​​en distancia en él.

Sin embargo, ciertos algoritmos como k-means no pueden funcionar, ya que dependen de la distancia a/mean /, que obviamente no está precalculada. Pero, p. DBSCAN y OPTICS funcionan bien con distancias precalculadas.

Answer 2

Yo no lo he probado todavía, pero estoy buscando algo similar y me encontré con esta implementación pitón de 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 que es fácil de adaptar a las matrices de cálculo previo. Simplemente elimine la llamada al pdist1 fuera de la función en su código.