dbscan 中基于密度和阈值的聚类答案

【问题标题】：Density and threshold based clustering in dbscandbscan 中基于密度和阈值的聚类
【发布时间】：2019-08-23 20:51:42
【问题描述】：

我正在研究一些工业零件的热温度数据。我有一个带有温度值的部件的像素温度。我想使用dbscan 来识别在每个部分中都有像素簇的部分，其中簇中的所有点都超过了阈值温度。我尝试过使用dbscan，但不知道如何使用阈值温度和集群大小作为条件来识别。

我尝试仅隔离超过阈值 (230) 的点，并尝试查看该集群是否超过了特定大小。下面的代码：c(1,3)是x,y的温度值，v是温度。

new<-sub%>%filter(sub$v>230)%>% as.data.frame(.)
db <- fpc::dbscan(new[,c(1,3)], eps =3, MinPts = 10)
plot(db, new[,c(1,3)], main = "DBSCAN", frame = FALSE)

完整的部分视觉：

dbscan 使用阈值温度过滤后的输出"：

【问题讨论】：

作为后续，即使检查零件的过滤数据 (>230) 以查看是否存在至少一个满足条件的至少 10x10 像素的集群 (>230 C）。

标签： r cluster-analysis hierarchical-clustering dbscan hdbscan

【解决方案1】：

永远不要使用fpc 包。请改用dbscan！

我不确定 DBSCAN 是否适合您的 taskz，因为下面您谈论的是 10x10 区域。为此，标准的卷积会更合适...

但除了 DBSCAN 可以为您工作之外，只要您选择适当的属性（n、m、f、c？这些都是什么？）和参数（半径 minpts）。也许您的 epsilon 太小了？

【讨论】：

n、m、f、c 这些参数是用于 dbscan 还是对我来说是个问题？
这是你的问题。这些都在你的情节中。
f 是行号，c 是列号：这是在高于特定阈值的部分的数据子集上。 n 是行，m 是列：这是整个部分的基本 k 手段。