ELKI聚类FDBSCAN算法

Question

你能给我展示一下ELKI中FDBSCAN的输入文件的例子吗？我得到的错误如下：

Task failed
de.lmu.ifi.dbs.elki.data.type.NoSupportedDataTypeException: No data type found satisfying: UncertainObject,field
Available types: DBID DoubleVector,dim=2
    at de.lmu.ifi.dbs.elki.database.AbstractDatabase.getRelation(AbstractDatabase.java:126)
    at de.lmu.ifi.dbs.elki.algorithm.clustering.uncertain.FDBSCANNeighborPredicate.instantiate(FDBSCANNeighborPredicate.java:131)
    at de.lmu.ifi.dbs.elki.algorithm.clustering.gdbscan.GeneralizedDBSCAN.run(GeneralizedDBSCAN.java:122)
    at de.lmu.ifi.dbs.elki.algorithm.clustering.gdbscan.GeneralizedDBSCAN.run(GeneralizedDBSCAN.java:79)
    at de.lmu.ifi.dbs.elki.workflow.AlgorithmStep.runAlgorithms(AlgorithmStep.java:105)
    at de.lmu.ifi.dbs.elki.KDDTask.run(KDDTask.java:112)
    at de.lmu.ifi.dbs.elki.application.KDDCLIApplication.run(KDDCLIApplication.java:61)
    at [...]

Answer 1

FDBSCAN需要UncertainObject类型的数据，即具有不确定性信息的对象。

如果您只是加载CSV文件，则数据将是确定的，并且您不能使用不确定的群集。

有几种建模不确定性的方法。这些实现为typeconversions包中的过滤器。

• UncertainSplitFilter可以将长度为k*N的向量分割为k个可能的实例，每个长度为N的实例具有相同的weight.
• WeightedUncertainSplitFilter，但每个实例也可以具有权重associated.
• UncertainifyFilter可以通过例如假设原始向量周围的高斯或均匀分布来模拟不确定性。
  • UniformUncertainifier (U模型，参见UniformContinuousUncertainObject)
  • SimpleGaussianUncertainifier的Javadoc )(参见SimpleGaussianContinuousUncertainObject)
  • UnweightedDiscreteUncertainifier的Javadoc (BID模型，参见WeightedDiscreteUncertainObject)
  • WeightedDiscreteUncertainifier的Javadoc (作为above)

​

通过扩展

• 或添加您自己的不确定性信息！