Tiedoston article.pdf liitteissä on esimerkkejä käytöstä ja ennen kaikkea tarvittavien Ruby-kirjastojen asentamisesta. Puukottelin lisäksi pikaisesti mukaan päätteettömän moodin (ei näytä tai tallenna kuvia), joka aktivoituu vivulla -n, ja lisäsin klusterien tallennuksen datapisteiden ohella vivulla -c. Siis esimerkiksi seuraavasti:

[vilikki@juhta rykelma]$ ./run.rb s3.txt -n -p Eps 15000 -p MinPts 3 -c out_%n.csv                                             
**********************************
*                                *
* Initializing DBSCAN for s3.txt *
*                                *
**********************************
**********************************
*                                *
* Starting clustering for s3.txt *
*                                *
**********************************
Total running time: 6 seconds
[vilikki@juhta rykelma]$ head out_s3.csv                                                                                       
453320.0,606542.0,1
520651.0,594591.0,1
516664.0,660290.0,1
570023.0,570741.0,1
524035.0,518443.0,1
544957.0,505968.0,1
503105.0,577815.0,1
515747.0,601704.0,1
588509.0,666153.0,2
533602.0,584471.0,1

Ohjelmakoodi on tosiaan vapaasti käytettävissä ja muokkailtavissa X11-lisenssillä, mikäli tahtoo kyhäillä esimerkiksi DBSCAN-variantteja. Nimeämiskäytännöt näköjään ovat lipsuneet hieman aikoinaan ohjelmaa kehittäessä, Rubyn konventiot tuntien kannattanee pyristellä camelCasesta eroon mahdollisessa jatkokehityksessä.

Ajatuksena oli, että clustering.rb asettaa yleiset puitteet klusterointimenetelmälle, jotka laaditaan clustering-hakemistoon. Toteutettavia metodeja on ainakin iterate, joka suorittaa seuraavan iteraation, ja happy?, joka ilmaisee, onko klusterointimenetelmä mielestään saavuttanut valmiin lopputuloksen.

Vastaavasti dataset.rb asettaa yleiset puitteet datasäiliölle. Toteutettuna on tästä peritty simple_dataset.rb, joka on simppeli taulukkototeutus, joka tehostaa naapurihakuja pitämällä indeksiä tietyn koordinaatin mukaan järjestetyistä havainnoista. Jalona ajatuksena oli, että dataset voisi yhtä hyvin olla vaikkapa R*-puu- tai tietokantatoteutus.