DBSCAN聚类在MATLAB仿真中的原理、实现与调参避坑指南

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

DBSCAN（Density-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(end+1) = 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 K，K 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：

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 MinPts=5，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 dim+1 到 2×dim，二维场景就是 4 到 6，我通常用 5。注意 MinPts=1 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 0~100，y 的范围是 0~1，同样的 eps=0.5，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 = ii+1: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