Запуск DBSCAN в ELKI

Я пытаюсь сгруппировать некоторые геопространственные данные и ранее использовал библиотеку WEKA. . Я нашел этот сравнительный анализ и решил попробовать ELKI.

Несмотря на совет не использовать ELKI в качестве библиотеки Java (которая предположительно менее обслуживаема, чем пользовательский интерфейс), я включил ее в свое приложение и могу сказать, что вполне доволен результатами. . Структуры, которые он использует для хранения данных, гораздо более эффективны, чем те, которые использует Weka, и тот факт, что у него есть возможность использовать пространственный индекс, определенно является плюсом.

Однако, когда я сравниваю результаты DBSCAN от Weka с результатами от DBSCAN ELKI, я немного озадачен. Я бы согласился с тем, что разные реализации могут дать немного разные результаты, но эта величина разницы заставляет меня думать, что с алгоритмом что-то не так (возможно, с моим кодом). Количество кластеров и их геометрия сильно различаются в двух алгоритмах.

Для справки, я использую последнюю версию ELKI (0.6.0), и параметры, которые я использовал для своих симуляций, были следующими:

minpts=50 эпсилон=0,008

Я закодировал две функции DBSCAN (для Weka и ELKI), где «точка входа» — это csv с точками, а «выход» для обеих из них также идентичен: функция, вычисляющая вогнутую оболочку набора точек ( по одному на каждый кластер). Поскольку функция, которая считывает файл csv в «базу данных» ELKI, относительно проста, я думаю, что моя проблема может заключаться в следующем:

а) в параметризации алгоритма; б) чтение результатов (наиболее вероятно).

Параметризация DBSCAN не представляет никаких проблем, и я использую два обязательных параметра, которые я ранее тестировал через пользовательский интерфейс:

ListParameterization params2 = new ListParameterization();
params2.addParameter(de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCAN.Parameterizer.MINPTS_ID,        minPoints);
params2.addParameter(de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCAN.Parameterizer.EPSILON_ID, epsilon);

Чтение результата немного сложнее, так как я не совсем понимаю организацию структуры, в которой хранятся кластеры; Моя идея состоит в том, чтобы перебрать каждый кластер, получить список точек и передать его функции, которая вычисляет вогнутую оболочку, чтобы создать многоугольник.

    ArrayList<Clustering<?>> cs = ResultUtil.filterResults(result, Clustering.class);
    for (Clustering<?> c : cs) {
        System.out.println("clusters: " + c.getAllClusters().size());
      for (de.lmu.ifi.dbs.elki.data.Cluster<?> cluster : c.getAllClusters()) {
              if (!cluster.isNoise()){
                 Coordinate[] ptList=new Coordinate[cluster.size()];
                 int ct=0;
                    for (DBIDIter iter = cluster.getIDs().iter(); iter.valid(); iter.advance()) {
                        ptList[ct]=dataMap.get(DBIDUtil.toString(iter));
                        ++ct;
                    }                   
                //there are no "empty" clusters
                assertTrue(ptList.length>0);

                GeoPolygon poly=getBoundaryFromCoordinates(ptList);
                if (poly.getCoordinates().getGeometryType()==
                        "Polygon"){

                    try {
                        out.write(poly.coordinates.toText()+"\n");
                    } catch (IOException e) {
                        // TODO Auto-generated catch block
                        e.printStackTrace();
                    }           

                }else
                    System.out.println(
                            poly.getCoordinates().getGeometryType());

              }//!noise
      }
    }

Я заметил, что «шум» возник как кластер, поэтому я проигнорировал этот кластер (я не хочу его рисовать). Я не уверен, что это правильный способ чтения кластеров, так как я не нашел много примеров. У меня также есть несколько вопросов, на которые я пока не нашел ответов:

• В чем разница между getAllClusters() и getTopLevelClusters()?
• Являются ли кластеры DBSCAN «вложенными», то есть можем ли мы иметь точки, принадлежащие многим кластерам одновременно? Почему?
• Я где-то читал, что мы не должны использовать идентификаторы базы данных для идентификации точек, так как они предназначены для внутреннего использования ELKI, но как еще можно получить список точек в каждом кластере? Я читал, что вы можете использовать отношение для меток, но я не уверен, как это реализовать...

Любые комментарии, которые могли бы указать мне правильное направление, или любые предложения по коду для повторения набора результатов ELKI DBSCAN будут действительно приветствоваться! Я также использовал ELKI OPTICSxi в своем коде, и у меня есть еще больше вопросов относительно этих результатов, но, думаю, я приберегу их для другого поста.