在netlogo中使用dbscan确定簇间距离

假设您拥有以下代码（由@Nicolas Payette提供），您将如何在netlog中使用dbscan查找平均集群间距离：

---

让我们以距离的端点作为海龟群的中心。

这取决于如何定义群间距离。有很多方法可以做到这一点

让我们以距离的端点作为海龟群的中心

虽然这是一种很好的技术，比如说，K-means聚类，但对于DBSCAN来说效果并不好，因为聚类可能是凹的。因此，中心可能在集群之外！不管怎样，我会把它作为一个选项

首先，让我们定义距离度量：

簇中点之间的平均距离： 簇中点之间的最小距离： 质心间距 假设“世界包装”处于禁用状态：

to-report cluster-distance [ cluster1 cluster2 ]
  let x1 mean [ xcor ] of cluster1
  let y1 mean [ ycor ] of cluster1
  let x2 mean [ xcor ] of cluster2
  let y2 mean [ ycor ] of cluster2
  report sqrt ((x1 - x2) ^ 2 + (y1 - y2) ^ 2)
end

如果世界包装是开着的

; This is super complicated because, with wrapping on, xcor and ycor are
; more like angles rather than cartesian coordinates. So, this converts
; them to angles, gets the mean of those angles, and converts them back.
; Related SO question: https://stackoverflow.com/questions/24786908/get-mean-heading-of-neighboring-turtles
to-report xcor-mean [ xcors ]
  let angles map [ x -> 360 * (x - (min-pxcor - 0.5)) / world-width ] xcors
  let mean-x mean map cos angles
  let mean-y mean map sin angles
  report (atan mean-y mean-x) / 360 * world-width + (min-pxcor - 0.5)
end

to-report ycor-mean [ ycors ]
  let angles map [ y -> 360 * (y - (min-pycor - 0.5)) / world-height ] ycors
  let mean-x mean map cos angles
  let mean-y mean map sin angles
  report (atan mean-y mean-x) / 360 * world-height + (min-pycor - 0.5)
end

to-report cluster-distance [ cluster1 cluster2 ]
  let x1 xcor-mean [ xcor ] of cluster1
  let y1 ycor-mean [ ycor ] of cluster1
  let x2 xcor-mean [ xcor ] of cluster2
  let y2 ycor-mean [ ycor ] of cluster2
  report sqrt ((x1 - x2) ^ 2 + (y1 - y2) ^ 2)
end

平均距离 一旦我们有了一个距离测量值，得到平均距离就相对简单了。请注意，下面的

删除

是必要的，因为我们不希望在平均值中包含集群到自身的距离。还请注意，此代码效率有点低，因为它会两次计算所有距离，但这也大大简化了它：

...
; This line is modified so that we get a list of turtle sets rather than
; a list of lists. 
let clusters map turtle-set dbscan:cluster-by-location red-grey-turtles 3 3
let avg-distance mean map [ c1 ->
  mean map [ c2 ->
    cluster-distance c1 c2
  ] remove c1 clusters ; Get distance to all other clusters but c1
] clusters

---

这取决于如何定义簇间距离。有很多方法可以做到这一点

让我们以距离的端点作为海龟群的中心

虽然这是一种很好的技术，比如说，K-means聚类，但对于DBSCAN来说效果并不好，因为聚类可能是凹的。因此，中心可能在集群之外！不管怎样，我会把它作为一个选项

首先，让我们定义距离度量：

簇中点之间的平均距离： 簇中点之间的最小距离： 质心间距 假设“世界包装”处于禁用状态：

to-report cluster-distance [ cluster1 cluster2 ]
  let x1 mean [ xcor ] of cluster1
  let y1 mean [ ycor ] of cluster1
  let x2 mean [ xcor ] of cluster2
  let y2 mean [ ycor ] of cluster2
  report sqrt ((x1 - x2) ^ 2 + (y1 - y2) ^ 2)
end

如果世界包装是开着的

; This is super complicated because, with wrapping on, xcor and ycor are
; more like angles rather than cartesian coordinates. So, this converts
; them to angles, gets the mean of those angles, and converts them back.
; Related SO question: https://stackoverflow.com/questions/24786908/get-mean-heading-of-neighboring-turtles
to-report xcor-mean [ xcors ]
  let angles map [ x -> 360 * (x - (min-pxcor - 0.5)) / world-width ] xcors
  let mean-x mean map cos angles
  let mean-y mean map sin angles
  report (atan mean-y mean-x) / 360 * world-width + (min-pxcor - 0.5)
end

to-report ycor-mean [ ycors ]
  let angles map [ y -> 360 * (y - (min-pycor - 0.5)) / world-height ] ycors
  let mean-x mean map cos angles
  let mean-y mean map sin angles
  report (atan mean-y mean-x) / 360 * world-height + (min-pycor - 0.5)
end

to-report cluster-distance [ cluster1 cluster2 ]
  let x1 xcor-mean [ xcor ] of cluster1
  let y1 ycor-mean [ ycor ] of cluster1
  let x2 xcor-mean [ xcor ] of cluster2
  let y2 ycor-mean [ ycor ] of cluster2
  report sqrt ((x1 - x2) ^ 2 + (y1 - y2) ^ 2)
end

平均距离 一旦我们有了一个距离测量值，得到平均距离就相对简单了。请注意，下面的

删除

是必要的，因为我们不希望在平均值中包含集群到自身的距离。还请注意，此代码效率有点低，因为它会两次计算所有距离，但这也大大简化了它：

...
; This line is modified so that we get a list of turtle sets rather than
; a list of lists. 
let clusters map turtle-set dbscan:cluster-by-location red-grey-turtles 3 3
let avg-distance mean map [ c1 ->
  mean map [ c2 ->
    cluster-distance c1 c2
  ] remove c1 clusters ; Get distance to all other clusters but c1
] clusters

---

max和min（甚至是平均值）函数是否适用于分布在一个映射中的两个以上集群？不完全确定您的要求。每个距离函数都测量两个簇之间的距离。然后，求平均值得到每个簇组合之间的距离。所以，除非我有误解，是的。谢谢你的精彩回答，非常彻底和有用。平均反应正是我需要帮助理解的。我想知道这个代码是否只找到两个星团质心之间的平均距离，或者，如果它能像我所希望的那样在netlogo界面上找到多个群集之间的平均距离？如何迭代找到两个以上群集之间的最大和最小距离？平均距离部分是所有群集之间的平均距离，而不是两个群集之间的平均距离。要查找最大值和最小值，只需将该代码中的

mean

s更改为

max

或

min

。最大值和最小值（甚至平均值）函数是否适用于分布在地图中的两个以上群集？不完全确定您在问什么。每个距离函数都测量两个簇之间的距离。然后，求平均值得到每个簇组合之间的距离。所以，除非我有误解，是的。谢谢你的精彩回答，非常彻底和有用。平均反应正是我需要帮助理解的。我想知道这个代码是否只找到两个星团质心之间的平均距离，或者，如果它能像我所希望的那样在netlogo界面上找到多个群集之间的平均距离？如何迭代找到两个以上群集之间的最大和最小距离？平均距离部分是所有群集之间的平均距离，而不是两个群集之间的平均距离。要查找最大值和最小值，只需将该代码中的

平均值

s更改为

max

或

min

。