在Mongodb中使用ELKI

Question

通过使用测试用例，我能够看到如何从Java语言中直接使用ELKI，但是现在我想从MongoDB中读取我的数据，然后使用ELKI来集群地理(经度、经度)数据。

我只能使用ELKI对CSV文件中的数据进行集群。是否可以使用MongoDB连接de.lmu.ifi.dbs.elki.database.Database？我可以从java调试器中看到，在de.lmu.ifi.dbs.elki.database.Database中有一个数据库连接字段。

我查询MongoDB，为每一行创建POJO，现在我想使用ELKI对这些对象进行集群。

可以从MongoDB读取数据并将其写入CSV文件，然后使用ELKI读取CSV文件，但我想知道是否有更简单的解决方案。

-调查结果_1：

从ELKI - Use List of objects to populate the Database中，我发现我需要实现de.lmu.ifi.dbs.elki.datasource.DatabaseConnection，特别是覆盖loadData()方法，该方法返回MultiObjectsBundle的一个实例。

所以我想我应该用MultiObjectsBundle包装一个POJO列表。现在我看一下MultiObjectsBundle，看起来数据应该保存在列中。为什么列的数据类型是List>，不应该是List吗？只是一个你想要集群的项目列表？

我有点困惑。ELKI如何知道它应该关注POJO的长期和后期？我该在哪里告诉ELKI做这件事？使用de.lmu.ifi.dbs.elki.data.type.SimpleTypeInformation？

-调查结果_2：

我尝试过使用ArrayAdapterDatabaseConnection，也尝试过实现DatabaseConnection。对不起，我需要用非常简单的术语让我理解。

这是我的集群代码：

    int minPts=3;
    double eps=0.08; 
    double[][] data1 = {{-0.197574246, 51.49960695}, {-0.084605692, 51.52128377}, {-0.120973687, 51.53005939}, {-0.156876, 51.49313}, 
            {-0.144228881, 51.51811784}, {-0.1680743, 51.53430039}, {-0.170134484,51.52834133}, { -0.096440751, 51.5073853}, 
            {-0.092754157, 51.50597426}, {-0.122502346, 51.52395143}, {-0.136039674, 51.51991453}, {-0.123616824, 51.52994371}, 
            {-0.127854211, 51.51772703}, {-0.125979294, 51.52635795}, {-0.109006325, 51.5216612}, {-0.12221963, 51.51477076}, {-0.131161087, 51.52505093} };


    //      ArrayAdapterDatabaseConnection dbcon = new ArrayAdapterDatabaseConnection(data1);
    DatabaseConnection dbcon = new MyDBConnection();

    ListParameterization params = new ListParameterization();
    params.addParameter(de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCAN.Parameterizer.MINPTS_ID, minPts);
    params.addParameter(de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCAN.Parameterizer.EPSILON_ID, eps);
    params.addParameter(DBSCAN.DISTANCE_FUNCTION_ID, EuclideanDistanceFunction.class);
    params.addParameter(AbstractDatabase.Parameterizer.DATABASE_CONNECTION_ID, dbcon);
    params.addParameter(AbstractDatabase.Parameterizer.INDEX_ID,
            RStarTreeFactory.class);
    params.addParameter(RStarTreeFactory.Parameterizer.BULK_SPLIT_ID, 
            SortTileRecursiveBulkSplit.class);
    params.addParameter(AbstractPageFileFactory.Parameterizer.PAGE_SIZE_ID, 1000);

    Database db = ClassGenericsUtil.parameterizeOrAbort(StaticArrayDatabase.class, params);
    db.initialize();

    GeneralizedDBSCAN dbscan = ClassGenericsUtil.parameterizeOrAbort(GeneralizedDBSCAN.class, params);

    Relation<DoubleVector> rel = db.getRelation(TypeUtil.DOUBLE_VECTOR_FIELD);
    Relation<ExternalID> relID = db.getRelation(TypeUtil.EXTERNALID);

    DBIDRange ids = (DBIDRange) rel.getDBIDs();
    Clustering<Model> result = dbscan.run(db);  

    int i =0;
    for(Cluster<Model> clu : result.getAllClusters()) {
        System.out.println("#" + i + ": " + clu.getNameAutomatic());
        System.out.println("Size: " + clu.size());

        System.out.print("Objects: ");
        for(DBIDIter it = clu.getIDs().iter(); it.valid(); it.advance()) {
           DoubleVector v = rel.get(it);
           ExternalID exID = relID.get(it);
           System.out.print("DoubleVec: ["+v+"]");
           System.out.print("ExID: ["+exID+"]");

           final int offset = ids.getOffset(it);
           System.out.print(" " + offset);
        }
        System.out.println();
        ++i;
    } 

ArrayAdapterDatabaseConnection生成两个集群，当我设置epsilon=0.008数据库扫描开始创建集群时，我只需要处理epsilon的值。当我设置epsilon=0.04时，所有的项目都在一个集群中。

我还尝试实现了DatabaseConnection：

@Override
public MultipleObjectsBundle loadData() { 
    MultipleObjectsBundle bundle = new MultipleObjectsBundle(); 

    List<Station> stations = getStations();
    List<DoubleVector> vecs = new ArrayList<DoubleVector>();
    List<ExternalID> ids = new ArrayList<ExternalID>();

    for (Station s : stations){

        String strID = Integer.toString(s.getId());
        ExternalID i = new ExternalID(strID);
        ids.add(i);     

        double[] st = {s.getLongitude(), s.getLatitude()};
        DoubleVector dv = new DoubleVector(st); 
        vecs.add(dv);
    } 

    SimpleTypeInformation<DoubleVector> type = new VectorFieldTypeInformation<>(DoubleVector.FACTORY, 2, 2, DoubleVector.FACTORY.getDefaultSerializer());

    bundle.appendColumn(type, vecs);      
    bundle.appendColumn(TypeUtil.EXTERNALID, ids);
    return bundle;
} 

这些长/纬度与一个ID相关联，我需要将它们链接回此ID和值。使用ID偏移(在上面的代码中)是唯一的方法吗？我试图添加ExternalID列，但我不知道如何检索特定NumberVector的ExternalID？

此外，在看到Using ELKI's Distance Function之后，我尝试使用Elki的longLatDistance，但它不起作用，而且我找不到任何实现它的示例。

Answer 1

数据源的接口称为DatabaseConnection。

JavaDoc of DatabaseConnection

您可以实现一个基于MongoDB的接口来获取数据。

它不是复杂的接口，它只有一个方法。