简介这是一套面向高校本硕博学生及算法初学者的DBSCAN数据聚类MATLAB仿真资源围绕密度聚类原理提供可运行的完整工程与配套操作录像既可用于课堂教学演示也适合算法竞赛和毕业设计中的聚类任务参考。整个RAR压缩包共10个文件以7个m脚本为主包含主程序Runme_DBSCAN.m、核心聚类算法dbscan.m、纯度计算Purity.m、最优参数分析AnalyticalEps.m以及锦标赛选择等辅助模块另有2个mat数据文件用于实验输入1个avi操作演示视频专门展示环境配置和运行步骤合计882KB结构紧凑、目录清晰。已有1344人学习下载读者可结合录像逐行调试也可直接作为课程设计或论文实验的参考实现。通过这套资源能够掌握从数据读取、聚类计算到结果评价的完整链路并借助视频规避路径设置等常见运行问题节省排错时间。1. DBSCAN聚类在MATLAB仿真里到底解决什么问题任意形状簇与噪声点的实战起点DBSCANDensity-Based Spatial Clustering of Applications with Noise是基于密度的聚类算法跟 K-means 最大的区别是它不要求簇是圆形或凸的也不需要提前指定簇个数。在 MATLAB 里做 DBSCAN 数据聚类仿真核心价值就两条一是能把弧形、环形这类任意形状的数据簇完整切出来二是自动把离群点标成噪声。这个特性让它在雷达点云、图像分割、异常检测方向的课程设计和论文仿真里特别常用。这篇笔记按一套可复现的流程来讲先手写一个尽量不依赖工具箱的 DBSCAN 核心函数再用合成数据集跑通仿真并出图最后把 eps 和 MinPts 的调参与避坑记录拆开讲。适合正在做课程实验、毕业设计或论文仿真的人直接照着复现。2. DBSCAN核心概念与MATLAB实现选型手写代码比内置函数更适合仿真2.1 密度直达与密度可达DBSCAN为什么能识别任意形状簇先建立一个基本认知K-means 这一类原型聚类算法本质是在欧氏距离下找圆心所以它输出的簇天然是凸的、球形的。一旦数据分布是半月形、环形或者带长尾的条带K-means 会把本该属于同一簇的点拆散到不同簇里这就是它在很多真实场景下表现差的根源。DBSCAN 换了一个思路——不找中心而是沿着密度走。它把簇定义为密度足够高的连通区域只要两个点之间能通过一串互相落在邻域内的点连起来就认为它们在同一个簇里至于这条路径是弯是绕完全无所谓。在这个定义下先搞清楚几个名词。第一个是 eps 邻域以某个样本点为中心、半径 eps 的球形区域内包含的所有点。第二个是核心点如果某点的 eps 邻域内至少有 MinPts 个点包含它自己这个点就是核心点。第三个是边界点自身不是核心点但落在某个核心点的 eps 邻域内。最后剩下的既不是核心点、也不属于任何核心点邻域的点就是噪声点。簇的形成逻辑要按密度直达和密度可达来理解。如果 p 落在核心点 q 的 eps 邻域内称 p 从 q 密度直达如果存在一串点 q, p1, p2, ..., pn每个相邻点都是密度直达关系就说 pn 从 q 密度可达两个点如果都能从同一点 o 密度可达则称它们密度相连。DBSCAN 把互为密度相连的最大点集合当作一个簇。密度直达只要求单向落在邻域内所以边界点也能被核心点带进簇里簇边界因此可以是不规则的这正是它能处理任意形状的根本原因。做 MATLAB 仿真时我习惯把数据想成一个 n×d 的矩阵 X。二维仿真里 x、y 两个维度的尺度必须一致否则同一个 eps 在 x 方向和 y 方向覆盖的物理范围会差很多后文避坑章节会专门讲这个。另外 eps 是各向同性的球形邻域对异常尺度的特征非常敏感这是很多人在合成数据上跑得好、一到真实数据就翻车的主要原因。2.2 手写DBSCAN代码核心实现与Matlab内置函数的取舍MATLAB 从 R2019a 开始提供了内置的 dbscan 函数放在 Statistics and Machine Learning Toolbox 里。如果你的环境是 matlab 2026b直接调用 dbscan(X, eps, MinPts) 就能跑。但我在做仿真实验和论文对比时更愿意手写理由有三个。第一内置函数把算法封装成了黑匣子你拿不到每个点的核心点标记、邻域点列表这些中间结果画密度图、改距离度量都很受限。第二手写版可以随意替换距离函数比如把欧氏距离换成马氏距离或 DTW内置函数做单元测试方便但改实验条件不方便。第三学校机房和旧电脑上的 MATLAB 不一定有统计工具箱老版本甚至根本没有 dbscan 函数手写一份可以少一道环境检查。下面这份代码用 BFS广度优先搜索做簇的扩展不依赖复杂工具箱。核心逻辑只有三个步骤预计算距离矩阵、标记核心点、从每个未访问的核心点向外扩展。function [idx, coreFlags] mydbscan(X, eps, MinPts) % MYDBSCAN 基于密度的聚类算法实现手写版 % 输入: % X : n×d 矩阵n个样本d维特征 % eps : 邻域半径标量 % MinPts : 核心点邻域内最少样本数标量 % 输出: % idx : n×1 向量0噪声1..K簇编号 % coreFlags: n×1 逻辑向量true该点是核心点 n size(X, 1); idx zeros(n, 1); % 1) 预计算距离矩阵后续所有邻域查询都用它 D pdist2(X, X); % 2) 逐个点统计 eps 邻域成员判断核心点 neighborCells cell(n, 1); coreFlags false(n, 1); for i 1:n nbrs find(D(i, :) eps); neighborCells{i} nbrs; if numel(nbrs) MinPts coreFlags(i) true; end end % 3) 对每个尚未访问的核心点做 BFS扩展出一个完整簇 clusterId 0; for i 1:n if idx(i) ~ 0 || ~coreFlags(i) continue; % 已归类或不是核心点跳过 end clusterId clusterId 1; idx(i) clusterId; queue i; head 1; while head numel(queue) p queue(head); head head 1; for k 1:numel(neighborCells{p}) q neighborCells{p}(k); if idx(q) 0 idx(q) clusterId; % 边界点或核心点先归簇 if coreFlags(q) queue(end1) q; % 核心点入队继续扩展 end end end end end end这段代码的逻辑分三层。第一层用 pdist2 一次性算好 n×n 距离矩阵后面查邻域时不用重复计算距离代价是内存占用 O(n²)n 在 2000 以内完全没问题超过 5000 建议直接用内置 dbscan 或改成按块计算。第二层遍历每个点把距离矩阵第 i 行里所有小于等于 eps 的下标存进邻域列表同时统计数量判断核心点。第三层是核心的 BFS 扩展从核心点 i 出发把它邻域内所有未归类的点纳入当前簇如果邻域里某个点本身也是核心点说明它还可以继续向外延伸就入队继续遍历。边界点不会入队但会被核心点的邻域直接吸收所以边界点天然属于离它最近的那个密度连通区域。保存时把整段函数存为 mydbscan.m或者在主脚本末尾追加函数定义MATLAB R2016b 之后支持脚本内局部函数直接用即可。参数上eps 的物理含义是密度单元的半径在后面的合成数据里 0.6 大约对应一个点间距的 1.5 倍MinPts 的取值经验是维度 d 加 1 到 2 倍之间二维数据取 4 到 6 比较稳这个后面避坑章还会展开。如果你不确定 eps 取多少不要拍脑袋先用第 5 章的 K 距离图看一眼拐点再定。3. 用MATLAB跑通DBSCAN聚类仿真合成数据生成、聚类执行与可视化3.1 构造带噪声的半月形数据集贴近真实分布的数据形态做算法仿真我不建议一上来就用真实数据原因是真实数据你不知道真实的簇数、噪声比例和密度分布算法跑出来是好是坏没法客观判断。合成数据的价值在于标准答案在手——我造了两个半月形簇加一批散布的噪声点这种分布 K-means 必翻车而 DBSCAN 应该能分离所以它是检验算法行为的理想测试平台。%% 生成数据集两个半月形簇 高斯噪声 rng(42); % 固定随机种子保证每次运行结果可复现 theta1 linspace(0, pi, 300); % 上半圆弧角度 r1 5 0.3 * randn(300, 1); % 半径在5附近抖动 X1 [r1 .* cos(theta1), r1 .* sin(theta1)]; % 上半月 theta2 linspace(pi, 2*pi, 300); r2 5 0.3 * randn(300, 1); X2 [r2 .* cos(theta2) 8, r2 .* sin(theta2)]; % 下半月向右平移8 Xn randn(80, 2) * 3 [4, 0]; % 80个噪声点集中在中心区域 X [X1; X2; Xn]; % 合并为680×2的数据集这段代码把 680 个样本分成三部分上半圆弧、下半圆弧和噪声。rng(42) 固定随机种子非常关键论文仿真实验里如果每次跑形状都不一样审稿人会质疑可重复性。半径 r 加 0.3 标准差的高斯抖动是为了让簇有厚度更贴近雷达点云或者传感器数据的真实分布下半月向右平移 8 个单位让两个簇在水平方向错开避免它们重叠。噪声用标准差 3 的二维正态分布生成铺在半径为 9 左右的范围内比例约 12%这个噪声比例对 DBSCAN 来说属于中等偏易适合演示。数据生成后先画一张原始散点图确认分布符合预期再做聚类。figure; scatter(X(:, 1), X(:, 2), 12, [0.4 0.4 0.4], filled); axis equal; grid on; title(原始数据集两个半月形簇 噪声); xlabel(x); ylabel(y);axis equal 保证 x、y 轴比例一致否则图上的圆会被拉伸成椭圆影响对簇形状的判断。这一步能提前发现两个簇是否重叠、噪声比例是否过大等问题。3.2 执行聚类并分离噪声点核心调用与参数设定数据准备完毕调用手写 DBSCAN 只需要一行但参数设定需要提前想清楚。%% 调用手写 DBSCAN 聚类 eps 0.6; % 邻域半径由 K 距离图拐点确定 MinPts 5; % 二维数据取 5对应最少邻域点数 [idx, coreFlags] mydbscan(X, eps, MinPts);这一步的输出 idx 是 680×1 的整数向量取值范围是 0 到 KK 是检测到的簇个数。idx(i)0 表示第 i 个点是噪声点idx(i)j 表示第 i 个点属于第 j 个簇。coreFlags 是逻辑向量标记每个点是不是核心点。聚类完成后第一件该做的事是看统计量别急着画图%% 聚类结果统计 K max(idx); noiseCount sum(idx 0); fprintf(聚类完成: 簇数量%d, 噪声点%d, 噪声比例%.1f%%\n, ... K, noiseCount, 100 * noiseCount / size(X, 1));这里的 K 通过 max(idx) 拿到DBSCAN 在聚类过程中自动确定簇结构不需要你事先指定。通常我会检查三个数簇数量是不是 2、噪声数是不是 80 左右、噪声比例是否接近预设的 12%。如果这三个数和预期差很多先别调参数回去看数据分布和代码有没有问题逐项检查比反复试参数更快。簇数量和噪声比例是判断聚类行为的第一组指标K 远大于 2 说明出现了过分割可能是 MinPts 太大噪声比例远大于 12% 说明 eps 太小真实点被误当成了离群点。这两个坑的具体表现和修法在第 4 章展开。3.3 用颜色标签可视化簇与噪声绘图与后处理聚类结果只有数字不够直观仿真报告和论文里最需要的是可视化。这里用手动循环画图而不是 gscatter好处是颜色控制完全自由也不依赖统计工具箱的图形函数。%% 可视化聚类结果 figure; colorList lines(max(idx)); % 生成跟簇数一样多的颜色 for c 1:max(idx) scatter(X(idx c, 1), X(idx c, 2), 15, colorList(c, :), filled); hold on; end noiseMask (idx 0); scatter(X(noiseMask, 1), X(noiseMask, 2), 20, k, x); % 噪声点用黑叉 hold off; box on; grid on; title(DBSCAN 聚类结果黑色 x 为噪声点); xlabel(x); ylabel(y);图上有两个清晰的弧形簇各自用一种颜色填充中心区域的散乱黑叉就是噪声点。这样一张图配合上一节的统计输出就能在实验报告里形成完整的证据链原始数据 → 聚类代码 → 结果图 → 指标统计。可视化环节有一个容易被忽视的注意点scatter 的坐标轴范围如果和原始数据不一致会误导读者。用 xlim 和 ylim 把坐标范围控制在数据实际范围内能避免图形被拉伸或裁切。另外如果你希望把结果存下来在绘图后加一行exportgraphics(gcf, dbscan_result.png, Resolution, 300);300 DPI 的 PNG 是论文插图的最低要求docx 报告用 300 DPI 也够清晰。4. DBSCAN仿真调参避坑记录eps、MinPts和版本差异的5个翻车现场调参这件事理论是一回事跑起来是另一回事。下面 5 条都是我做仿真时真实踩过的坑每条按现象 → 原因 → 解决的方式记录。先给一个速查表后面逐条拆参数/环境建议取值主要作用过小风险过大风险eps由 K 距离图拐点确定邻域半径噪声点激增簇被合并MinPtsdim1 到 2×dim核心点判定阈值簇被拆碎噪声增加数据尺度归一化后聚类保证各向同性高量纲维度主导低量纲维度失效MATLAB 版本R2019a 以上有内置 dbscan内置函数可用性旧版本报错—4.1 现象eps设太小300个点全部判成噪声我第一次跑仿真时把 eps 拍脑袋设成 0.05结果是簇数量为 0、噪声比例 100%图上所有点全是黑叉。原因很直接eps 小于数据点之间的实际间距任何一点的邻域里只有它自己数量达不到 MinPts5于是全部变成噪声。解决方法是先用 K 距离图找拐点第 5 章细讲实在不济也可以用近似法算出所有点之间的欧氏距离取其中一个小分位数比如 0.05 分位当 eps 的初值再结合结果微调。这里有个常见误解——eps 不是越小越精细它直接决定哪些点算核心点太小的 eps 会让算法彻底失去聚类能力。4.2 现象MinPts设太大一个整簇被拆成三块有人为了让结果更稳把 MinPts 设成 30 或 50结果一个连续的弧形簇被拆成三段段与段之间还出现了噪声点。原因是 MinPts 越大成为核心点的门槛越高弧形的两端和边缘地带密度本来就低达不到核心点条件BFS 扩展链就从中断开了。解决方法是遵守经验公式MinPts 取 dim1 到 2×dim二维场景就是 4 到 6我通常用 5。注意 MinPts1 也没有意义那样每个点自己就能成核心点邻域内任何点都会被无脑吸入聚类结果退化成连通域分析噪声点几乎消失。4.3 现象数据不归一化eps在x方向失效之前提到过 eps 是各向同性的球形邻域一旦 x 和 y 的尺度不一样这个球在两个方向上覆盖的物理范围就完全不同。比如 x 的范围是 0~100y 的范围是 0~1同样的 eps0.5在 y 方向能覆盖整个数据范围x 方向上连一个点间距都够不着。结果就是聚类只按 y 方向的密度切分x 方向的信息基本被丢弃。解决方法是聚类前做标准化X zscore(X); % 每列零均值、单位标准差或者用 min-max 归一化。做完之后 eps 的选择也要在归一化后的空间里重新用 K 距离图看别拿原来的 0.6 继续用。这个坑在图像分割、多特征融合的场景里特别常见因为不同特征的量纲往往差的不是一点半点。4.4 现象老版本MATLAB直接报错Undefined function dbscan如果你的 MATLAB 版本在 R2019a 之前或者 matlab 安装时没有勾选统计与机器学习工具箱直接调用 dbscan 函数会报错。这是因为内置 dbscan 是 R2019a 才加的依赖统计工具箱支撑并不是 MATLAB 基础功能。解决方式有两种一是用文中手写的 mydbscan它只依赖距离矩阵和基础矩阵操作绝大多数 MATLAB 环境都能跑二是从 matlab 下载安装最新版比如 matlab 2026b并勾选统计与机器学习工具箱。学校里做毕设机房机器可能没这个工具箱手写版反而是最稳妥的。如果 pdist2 在你的环境里也不可用比如报错提示函数未定义把距离矩阵计算改成两层循环n size(X, 1); D zeros(n, n); for ii 1:n for jj ii1:n D(ii, jj) sqrt(sum((X(ii, :) - X(jj, :)).^2)); D(jj, ii) D(ii, jj); end end利用矩阵对称性只算上三角省一半时间。数据量到几千个点也扛得住。4.5 现象不同密度簇混在一起单一eps顾此失彼DBSCAN 隐含的假设是全局密度大致均匀。如果数据集里一个稠密簇的点间距是 0.1另一个稀疏簇的点间距是 5你用同一个 eps 去跑总有一个簇被拆散或者两个簇被合并。这不是参数没调对是算法本身的局限性。处理思路有三个其一聚类前对数据做分块或先验的密度分区对不同区域分别跑 DBSCAN其二换用 OPTICS 算法它是在 DBSCAN 基础上引入可达距离能处理密度不均的情况其三如果允许分批处理可以先给稀疏簇单独调参跑一遍再把稠密簇单独跑一遍最后合并标签。做仿真时如果出现这种情况实验报告里诚实说明数据密度差异过大DBSCAN 不适用反而比强行调参更可信。5. DBSCAN仿真结果的验证技巧K距离图定eps与轮廓系数评估5.1 K距离图用排序距离曲线挑出eps临界点eps 不该拍脑袋定K 距离图是工程上最常用的工具。它的原理是计算每个点到它第 k 个最近邻的距离k 取 MinPts 或 MinPts-1把这些距离降序排列画成曲线。曲线在某个位置会出现明显的拐点拐点对应的 y 值就是 eps 的候选值。%% K距离图确定 eps k MinPts; % 通常取 MinPts 或 MinPts-1 D pdist2(X, X); kDist zeros(size(X, 1), 1); for i 1:size(X, 1) sortedDist sort(D(i, :)); kDist(i) sortedDist(k 1); % 第 k 个近邻距离不含自身 end kDist sort(kDist, descend); plot(kDist, .-); grid on; xlabel(点编号按第k近邻距离降序); ylabel(第k近邻距离);为什么曲线会出现拐点因为簇内核心点的第 k 近邻距离普遍小而噪声点的第 k 近邻距离会突然变大两类点的交界处就形成一个明显台阶。这个台阶对应的 y 值就是核心点和噪声点在密度意义上的分界线。我自己做实验的习惯是先画这张图然后从拐点附近读一个值出来跑聚类再根据簇数和噪声比例微调。这样每个参数都有依据写论文时也能直接贴图说明。5.2 轮廓系数验证聚类质量聚类结果不能只看图定量指标才能说明问题。轮廓系数的计算方式是对每个样本算它到同簇其他点的平均距离 a再到最近其他簇所有点的平均距离 b轮廓系数 s(b-a)/max(a,b)。s 越接近 1说明簇越紧凑、簇间分离越明显接近 0 说明样本在簇边界上接近 -1 说明可能分错了簇。validIdx (idx 0); % 先剔除噪声点 s silhouette(X(validIdx, :), idx(validIdx)); fprintf(平均轮廓系数: %.3f\n, mean(s));注意必须先剔除噪声点再调 silhouette否则噪声点会被当作一个独立的簇参与计算把平均值拉低。实测上面那组合成数据平均轮廓系数通常在 0.7 以上整体属于结构明显的水平。最后补充一个个人习惯我在实验记录里会把 K 距离图、eps 取值、聚类结果图和轮廓系数四样东西放在同一页这样每个参数都能被回溯。调参数最怕的就是只留一个好看的结果图等答辩被问到eps 为什么是 0.6就只能支支吾吾。这个方向做下来我的体会是DBSCAN 的仿真不难难的是一套能自圆其说的参数来源和结果验证。希望你也能把参数依据留清楚让实验经得起追问。希望帮到你。本文还有配套的精品资源点击获取