27.03 Кластеры нестандартной формы

Для начала визуально оценим данные в условии кластеры. Для этого откроем предложенные файлы в , перейдем в раздел «Вставка Диаграммы Точечная».

Диаграмма для файла А имеет вид:

Разделить все кластеры с помощью прямых не получится. Воспользуемся методом DBSCAN:

Код программы для файла А:

from math import *

f = open(’2A.txt’)
s = f.readline()
a = [list(map(float, i.replace(’,’, ’.’).split())) for i in f]
# Вначале находим по одной точке в файле, принадлежащей каждому кластеру - это будет начальная точка для кластера
# Отобрать их можно либо анализом первых точек в Excel файле, либо программным способом
# Также нужно учесть, что кластер может принадлежать синусоиде
cl = [[[a[0][0], a[0][1]]], [[a[1][0], a[1][1]]]]
for k in range(2):
    for j in cl[k]:
        for i in range(len(a)):
            if a[i] != ’*’:
                p = [a[i][0], a[i][1]]
                if dist(p, j) < 0.5:
                    cl[k].append(p)
                    a[i] = ’*’
sum_x = sum_y = 0  # Переменные для суммы абсцисс и ординат центров
for i in cl:
    tx = ty = 0  # Координаты текущего центра кластера
    mn = 100000050000  # Минимальное расстояние
    for j in i:
        x1, y1 = j
        sm = 0  # Суммарное расстояние
        for k in i:
            x2, y2 = k
            sm += ((x2 - x1) ** 2 + (y2 - y1) ** 2) ** 0.5
        if sm < mn:
            mn = sm
            tx, ty = x1, y1
    sum_x += tx
    sum_y += ty
print(int(sum_x / 2 * 100))
print(int(sum_y / 2 * 100))

Диаграмма для файла Б имеет вид:

Разделить все кластеры с помощью прямых не получится. Воспользуемся методом DBSCAN:

Код программы для файла Б:

from math import *

f = open(’2B.txt’)
s = f.readline()
a = [list(map(float, i.replace(’,’, ’.’).split())) for i in f]
# Вначале находим по одной точке в файле, принадлежащей каждому кластеру - это будет начальная точка для кластера
# Отобрать их можно либо анализом первых точек в Excel файле, либо программным способом
# Также нужно учесть, что кластер может принадлежать синусоиде
cl = [[[a[10][0], a[10][1]]], [[a[7][0], a[7][1]]], [[a[4][0], a[4][1]]], [[a[0][0], a[0][1]]]]
a.pop(10), a.pop(7), a.pop(4), a.pop(0)
for k in range(4):
    for j in cl[k]:
        for i in range(len(a)):
            if a[i] != ’*’:
                p = [a[i][0], a[i][1]]
                if dist(p, j) < 0.5:
                    cl[k].append(p)
                    a[i] = ’*’

sum_x = sum_y = 0  # Переменные для суммы абсцисс и ординат центров
for i in cl:
    tx = ty = 0  # Координаты текущего центра кластера
    mn = 100000050000  # Минимальное расстояние
    for j in i:
        x1, y1 = j
        sm = 0  # Суммарное расстояние
        for k in i:
            x2, y2 = k
            sm += ((x2 - x1) ** 2 + (y2 - y1) ** 2) ** 0.5
        if sm < mn:
            mn = sm
            tx, ty = x1, y1
    sum_x += tx
    sum_y += ty
print(int(sum_x / 4 * 1000))
print(int(sum_y / 4 * 1000))