ELKI：在 Java 中的自定义对象上运行 DBSCAN答案

【问题标题】：ELKI: Running DBSCAN on custom Objects in JavaELKI：在 Java 中的自定义对象上运行 DBSCAN
【发布时间】：2015-09-02 18:58:55
【问题描述】：

我正在尝试在 JAVA 中使用 ELKI 来运行 DBSCAN。为了测试，我使用了 FileBasedDatabaseConnection。现在我想以我的自定义对象作为参数运行 DBSCAN。

我的对象具有以下结构：

public class MyObject {
  private Long id;
  private Float param1;
  private Float param2;
  // ... and more parameters as well as getters and setters
}

我想在 ELKI 中使用 List<MyObject> 作为数据库运行 DBSCAN，但只应考虑一些参数（例如，使用参数 param1、param2 和 param4 在对象上运行 DBSCAN）。理想情况下，生成的集群包含整个对象。

有没有办法实现这种行为？

如果没有，我如何将对象转换为 ELKI 理解的格式，并允许我将生成的集群对象与我的自定义对象进行匹配（即，是否有一种简单的方法来以编程方式设置标签）？

以下问题涉及特征向量：Using ELKI on custom objects and making sense of results
这可能是我的问题的可能解决方案吗？以及如何从我的List<MyObject> 创建一个特征向量？

【问题讨论】：

标签： java cluster-analysis dbscan elki

【解决方案1】：

ELKI 具有模块化架构。

如果您想要自己的数据源，请查看datasource 包，并实现DatabaseConnection (JavaDoc) 接口。

如果您想处理MyObject 对象（您在上面共享的类可能会对性能产生重大影响），这并不是特别难。您需要一个SimpleTypeInformation<MyObject> (JavaDoc) 来识别您的数据类型，并为您的数据类型实现一个PrimitiveDistanceFunction (JavaDoc)。

如果您的实际数据是浮点数，我建议改用DoubleVector 或FloatVector，而只需使用例如SubspaceEuclideanDistanceFunction 仅处理您要使用的那些属性。

对于这些数据类型和许多距离函数，可以使用 R*-tree 索引来显着加快 DBSCAN 执行时间。

ELKI 中的Cluster (JavaDoc) 从不存储点数据。它只存储点 DBIDs (Wiki)。您可以从数据库关系中获取点数据，或使用例如offsets (Wiki) 将它们映射回静态数据库的列表位置。

【讨论】：