基于DBSCAN算法进行聚类

R#语言开发工具库机器学习
谢桂纲 -
11:09 PM

文章阅读目录大纲

估计阅读时长: 2 分钟

imports "clustering" from "MLkit";

require(graphics2D);

multishapes = read.csv("./multishapes.csv");
[x, y] = list(multishapes[, "x"], multishapes[, "y"]);
print(multishapes, max.print = 13);

# detect object shapes
objects = graphics2D::pointVector(multishapes[, "x"], multishapes[, "y"]) |> dbscan_objects();
objects[objects == "-1"] = "noise";
objects = ifelse(objects == "noise", objects, `object_${objects}`);

# show object detection result
bitmap(file = "./object_detection.png") {
    plot(multishapes[, "x"], multishapes[, "y"], 
        class     = objects, 
        grid.fill = "white",
        padding   = "padding: 125px 300px 200px 200px;",
        colorSet  = "paper"
    );
}
谢桂纲
Latest posts by 谢桂纲 (see all)

Attachments

Views: 1,982
打赏微海报分享
algorithmclusteringcontourdata visualizationdotnet-corersharpVisualBasic

No responses yet

Leave a Reply

Your email address will not be published. Required fields are marked *

博客文章
December 2025
S M T W T F S
 123456
78910111213
14151617181920
21222324252627
28293031  

  2. 谢博，您好。阅读了您的博客文章非常受启发！这个基于k-mer数据库的过滤框架，其核心是一个“污染源数据库”和一个“基于覆盖度的决策引擎”。这意味着它的应用远不止于去除宿主reads。 我们可以轻松地将它扩展到其他场景： 例如去除PhiX测序对照：建一个PhiX的k-mer库，可以快速剔除Illumina测序中常见的对照序列。 例如去除常见实验室污染物：比如大肠杆菌、酵母等，建一个联合的污染物k-mer库，可以有效提升样本的纯净度。 例如还可以靶向序列富集：反过来想，如果我们建立一个目标物种（比如某种病原体）的k-mer库，然后用这个算法去“保留”而不是“去除”匹配的reads，这不就实现了一个超快速的靶向序列富集工具吗？ 这中基于kmer算法的通用性和扩展性可能会是它的亮点之一。感谢博主提供了这样一个优秀的思想原型

  4. WOW, display an image on a char only console this is really cool, I like this post because so much…

  5. 确实少有, 这么高质量的内容。谢谢作者。;-) 我很乐意阅读 你的这个技术博客网站。关于旅行者上的金唱片对外星朋友的美好愿望，和那个时代科技条件限制下人们做出的努力，激励人心。