用C++實現(xiàn)DBSCAN聚類算法
更新時間：2013年05月24日 16:45:52 作者：
本篇文章是對使用C++實現(xiàn)DBSCAN聚類算法的方法進行了詳細的分析介紹，需要的朋友參考下
這幾天由于工作需要，對DBSCAN聚類算法進行了C++的實現(xiàn)。時間復(fù)雜度O(n^2)，主要花在算每個點領(lǐng)域內(nèi)的點上。算法很簡單，現(xiàn)共享大家參考，也希望有更多交流。
數(shù)據(jù)點類型描述如下：
#include <vector>
using namespace std;
const int DIME_NUM=2; //數(shù)據(jù)維度為2，全局常量
//數(shù)據(jù)點類型
class DataPoint
{
private:
unsigned long dpID; //數(shù)據(jù)點ID
double dimension[DIME_NUM]; //維度數(shù)據(jù)
long clusterId; //所屬聚類ID
bool isKey; //是否核心對象
bool visited; //是否已訪問
vector<unsigned long> arrivalPoints; //領(lǐng)域數(shù)據(jù)點id列表
public:
DataPoint(); //默認構(gòu)造函數(shù)
DataPoint(unsigned long dpID,double* dimension , bool isKey); //構(gòu)造函數(shù)
unsigned long GetDpId(); //GetDpId方法
void SetDpId(unsigned long dpID); //SetDpId方法
double* GetDimension(); //GetDimension方法
void SetDimension(double* dimension); //SetDimension方法
bool IsKey(); //GetIsKey方法
void SetKey(bool isKey); //SetKey方法
bool isVisited(); //GetIsVisited方法
void SetVisited(bool visited); //SetIsVisited方法
long GetClusterId(); //GetClusterId方法
void SetClusterId(long classId); //SetClusterId方法
vector<unsigned long>& GetArrivalPoints(); //GetArrivalPoints方法
};
這是實現(xiàn)：
#include "DataPoint.h"
//默認構(gòu)造函數(shù)
DataPoint::DataPoint()
{
}
//構(gòu)造函數(shù)
DataPoint::DataPoint(unsigned long dpID,double* dimension , bool isKey):isKey(isKey),dpID(dpID)
{
//傳遞每維的維度數(shù)據(jù)
for(int i=0; i<DIME_NUM;i++)
{
this->dimension[i]=dimension[i];
}
}
//設(shè)置維度數(shù)據(jù)
void DataPoint::SetDimension(double* dimension)
{
for(int i=0; i<DIME_NUM;i++)
{
this->dimension[i]=dimension[i];
}
}
//獲取維度數(shù)據(jù)
double* DataPoint::GetDimension()
{
return this->dimension;
}
//獲取是否為核心對象
bool DataPoint::IsKey()
{
return this->isKey;
}
//設(shè)置核心對象標志
void DataPoint::SetKey(bool isKey)
{
this->isKey = isKey;
}
//獲取DpId方法
unsigned long DataPoint::GetDpId()
{
return this->dpID;
}
//設(shè)置DpId方法
void DataPoint::SetDpId(unsigned long dpID)
{
this->dpID = dpID;
}
//GetIsVisited方法
bool DataPoint::isVisited()
{
return this->visited;
}
//SetIsVisited方法
void DataPoint::SetVisited( bool visited )
{
this->visited = visited;
}
//GetClusterId方法
long DataPoint::GetClusterId()
{
return this->clusterId;
}
//GetClusterId方法
void DataPoint::SetClusterId( long clusterId )
{
this->clusterId = clusterId;
}
//GetArrivalPoints方法
vector<unsigned long>& DataPoint::GetArrivalPoints()
{
return arrivalPoints;
}
DBSCAN算法類型描述：
#include <iostream>
#include <cmath>
using namespace std;
//聚類分析類型
class ClusterAnalysis
{
private:
vector<DataPoint> dadaSets; //數(shù)據(jù)集合
unsigned int dimNum; //維度
double radius; //半徑
unsigned int dataNum; //數(shù)據(jù)數(shù)量
unsigned int minPTs; //鄰域最小數(shù)據(jù)個數(shù)
double GetDistance(DataPoint& dp1, DataPoint& dp2); //距離函數(shù)
void SetArrivalPoints(DataPoint& dp); //設(shè)置數(shù)據(jù)點的領(lǐng)域點列表
void KeyPointCluster( unsigned long i, unsigned long clusterId ); //對數(shù)據(jù)點領(lǐng)域內(nèi)的點執(zhí)行聚類操作
public:
ClusterAnalysis(){} //默認構(gòu)造函數(shù)
bool Init(char* fileName, double radius, int minPTs); //初始化操作
bool DoDBSCANRecursive(); //DBSCAN遞歸算法
bool WriteToFile(char* fileName); //將聚類結(jié)果寫入文件
};
聚類實現(xiàn)：
#include "ClusterAnalysis.h"
#include <fstream>
#include <iosfwd>
#include <math.h>
/*
函數(shù)：聚類初始化操作
說明：將數(shù)據(jù)文件名，半徑，領(lǐng)域最小數(shù)據(jù)個數(shù)信息寫入聚類算法類，讀取文件，把數(shù)據(jù)信息讀入寫進算法類數(shù)據(jù)集合中
參數(shù)：
char* fileName; //文件名
double radius; //半徑
int minPTs; //領(lǐng)域最小數(shù)據(jù)個數(shù)
返回值： true; */
bool ClusterAnalysis::Init(char* fileName, double radius, int minPTs)
{
this->radius = radius; //設(shè)置半徑
this->minPTs = minPTs; //設(shè)置領(lǐng)域最小數(shù)據(jù)個數(shù)
this->dimNum = DIME_NUM; //設(shè)置數(shù)據(jù)維度
ifstream ifs(fileName); //打開文件
if (! ifs.is_open()) //若文件已經(jīng)被打開，報錯誤信息
{
cout << "Error opening file"; //輸出錯誤信息
exit (-1); //程序退出
}
unsigned long i=0; //數(shù)據(jù)個數(shù)統(tǒng)計
while (! ifs.eof() ) //從文件中讀取POI信息，將POI信息寫入POI列表中
{
DataPoint tempDP; //臨時數(shù)據(jù)點對象
double tempDimData[DIME_NUM]; //臨時數(shù)據(jù)點維度信息
for(int j=0; j<DIME_NUM; j++) //讀文件，讀取每一維數(shù)據(jù)
{
ifs>>tempDimData[j];
}
tempDP.SetDimension(tempDimData); //將維度信息存入數(shù)據(jù)點對象內(nèi)
//char date[20]="";
//char time[20]="";
////double type; //無用信息
//ifs >> date;
//ifs >> time; //無用信息讀入
tempDP.SetDpId(i); //將數(shù)據(jù)點對象ID設(shè)置為i
tempDP.SetVisited(false); //數(shù)據(jù)點對象isVisited設(shè)置為false
tempDP.SetClusterId(-1); //設(shè)置默認簇ID為-1
dadaSets.push_back(tempDP); //將對象壓入數(shù)據(jù)集合容器
i++; //計數(shù)+1
}
ifs.close(); //關(guān)閉文件流
dataNum =i; //設(shè)置數(shù)據(jù)對象集合大小為i
for(unsigned long i=0; i<dataNum;i++)
{
SetArrivalPoints(dadaSets[i]); //計算數(shù)據(jù)點領(lǐng)域內(nèi)對象
}
return true; //返回
}
/*
函數(shù)：將已經(jīng)過聚類算法處理的數(shù)據(jù)集合寫回文件
說明：將已經(jīng)過聚類結(jié)果寫回文件
參數(shù)：
char* fileName; //要寫入的文件名
返回值： true */
bool ClusterAnalysis::WriteToFile(char* fileName )
{
ofstream of1(fileName); //初始化文件輸出流
for(unsigned long i=0; i<dataNum;i++) //對處理過的每個數(shù)據(jù)點寫入文件
{
for(int d=0; d<DIME_NUM ; d++) //將維度信息寫入文件
of1<<dadaSets[i].GetDimension()[d]<<'\t';
of1 << dadaSets[i].GetClusterId() <<endl; //將所屬簇ID寫入文件
}
of1.close(); //關(guān)閉輸出文件流
return true; //返回
}
/*
函數(shù)：設(shè)置數(shù)據(jù)點的領(lǐng)域點列表
說明：設(shè)置數(shù)據(jù)點的領(lǐng)域點列表
參數(shù)：
返回值： true; */
void ClusterAnalysis::SetArrivalPoints(DataPoint& dp)
{
for(unsigned long i=0; i<dataNum; i++) //對每個數(shù)據(jù)點執(zhí)行
{
double distance =GetDistance(dadaSets[i], dp); //獲取與特定點之間的距離
if(distance <= radius && i!=dp.GetDpId()) //若距離小于半徑，并且特定點的id與dp的id不同執(zhí)行
dp.GetArrivalPoints().push_back(i); //將特定點id壓力dp的領(lǐng)域列表中
}
if(dp.GetArrivalPoints().size() >= minPTs) //若dp領(lǐng)域內(nèi)數(shù)據(jù)點數(shù)據(jù)量> minPTs執(zhí)行
{
dp.SetKey(true); //將dp核心對象標志位設(shè)為true
return; //返回
}
dp.SetKey(false); //若非核心對象，則將dp核心對象標志位設(shè)為false
}
/*
函數(shù)：執(zhí)行聚類操作
說明：執(zhí)行聚類操作
參數(shù)：
返回值： true; */
bool ClusterAnalysis::DoDBSCANRecursive()
{
unsigned long clusterId=0; //聚類id計數(shù)，初始化為0
for(unsigned long i=0; i<dataNum;i++) //對每一個數(shù)據(jù)點執(zhí)行
{
DataPoint& dp=dadaSets[i]; //取到第i個數(shù)據(jù)點對象
if(!dp.isVisited() && dp.IsKey()) //若對象沒被訪問過，并且是核心對象執(zhí)行
{
dp.SetClusterId(clusterId); //設(shè)置該對象所屬簇ID為clusterId
dp.SetVisited(true); //設(shè)置該對象已被訪問過
KeyPointCluster(i,clusterId); //對該對象領(lǐng)域內(nèi)點進行聚類
clusterId++; //clusterId自增1
}
//cout << "孤立點\T" << i << endl;
}
cout <<"共聚類" <<clusterId<<"個"<< endl; //算法完成后，輸出聚類個數(shù)
return true; //返回
}
/*
函數(shù)：對數(shù)據(jù)點領(lǐng)域內(nèi)的點執(zhí)行聚類操作
說明：采用遞歸的方法，深度優(yōu)先聚類數(shù)據(jù)
參數(shù)：
unsigned long dpID; //數(shù)據(jù)點id
unsigned long clusterId; //數(shù)據(jù)點所屬簇id
返回值： void; */
void ClusterAnalysis::KeyPointCluster(unsigned long dpID, unsigned long clusterId )
{
DataPoint& srcDp = dadaSets[dpID]; //獲取數(shù)據(jù)點對象
if(!srcDp.IsKey()) return;
vector<unsigned long>& arrvalPoints = srcDp.GetArrivalPoints(); //獲取對象領(lǐng)域內(nèi)點ID列表
for(unsigned long i=0; i<arrvalPoints.size(); i++)
{
DataPoint& desDp = dadaSets[arrvalPoints[i]]; //獲取領(lǐng)域內(nèi)點數(shù)據(jù)點
if(!desDp.isVisited()) //若該對象沒有被訪問過執(zhí)行
{
//cout << "數(shù)據(jù)點\t"<< desDp.GetDpId()<<"聚類ID為\t" <<clusterId << endl;
desDp.SetClusterId(clusterId); //設(shè)置該對象所屬簇的ID為clusterId，即將該對象吸入簇中
desDp.SetVisited(true); //設(shè)置該對象已被訪問
if(desDp.IsKey()) //若該對象是核心對象
{
KeyPointCluster(desDp.GetDpId(),clusterId); //遞歸地對該領(lǐng)域點數(shù)據(jù)的領(lǐng)域內(nèi)的點執(zhí)行聚類操作，采用深度優(yōu)先方法
}
}
}
}
//兩數(shù)據(jù)點之間距離
/*
函數(shù)：獲取兩數(shù)據(jù)點之間距離
說明：獲取兩數(shù)據(jù)點之間的歐式距離
參數(shù)：
DataPoint& dp1; //數(shù)據(jù)點1
DataPoint& dp2; //數(shù)據(jù)點2
返回值： double; //兩點之間的距離 */
double ClusterAnalysis::GetDistance(DataPoint& dp1, DataPoint& dp2)
{
double distance =0; //初始化距離為0
for(int i=0; i<DIME_NUM;i++) //對數(shù)據(jù)每一維數(shù)據(jù)執(zhí)行
{
distance += pow(dp1.GetDimension()[i] - dp2.GetDimension()[i],2); //距離+每一維差的平方
}
return pow(distance,0.5); //開方并返回距離
}
算法調(diào)用就簡單了：
#include "ClusterAnalysis.h"
#include <cstdio>
using namespace std;
int main()
{
ClusterAnalysis myClusterAnalysis; //聚類算法對象聲明
myClusterAnalysis.Init("D:\\1108\\XY.txt",500,9); //算法初始化操作，指定半徑為15，領(lǐng)域內(nèi)最小數(shù)據(jù)點個數(shù)為3，（在程序中已指定數(shù)據(jù)維度為2）
myClusterAnalysis.DoDBSCANRecursive(); //執(zhí)行聚類算法
myClusterAnalysis.WriteToFile("D:\\1108\\XYResult.txt");//寫執(zhí)行后的結(jié)果寫入文件
system("pause"); //顯示結(jié)果
return 0; //返回
}
數(shù)據(jù)點類型描述如下：
復(fù)制代碼 代碼如下:
#include <vector>
using namespace std;
const int DIME_NUM=2; //數(shù)據(jù)維度為2，全局常量
//數(shù)據(jù)點類型
class DataPoint
{
private:
unsigned long dpID; //數(shù)據(jù)點ID
double dimension[DIME_NUM]; //維度數(shù)據(jù)
long clusterId; //所屬聚類ID
bool isKey; //是否核心對象
bool visited; //是否已訪問
vector<unsigned long> arrivalPoints; //領(lǐng)域數(shù)據(jù)點id列表
public:
DataPoint(); //默認構(gòu)造函數(shù)
DataPoint(unsigned long dpID,double* dimension , bool isKey); //構(gòu)造函數(shù)
unsigned long GetDpId(); //GetDpId方法
void SetDpId(unsigned long dpID); //SetDpId方法
double* GetDimension(); //GetDimension方法
void SetDimension(double* dimension); //SetDimension方法
bool IsKey(); //GetIsKey方法
void SetKey(bool isKey); //SetKey方法
bool isVisited(); //GetIsVisited方法
void SetVisited(bool visited); //SetIsVisited方法
long GetClusterId(); //GetClusterId方法
void SetClusterId(long classId); //SetClusterId方法
vector<unsigned long>& GetArrivalPoints(); //GetArrivalPoints方法
};
這是實現(xiàn)：
復(fù)制代碼 代碼如下:
#include "DataPoint.h"
//默認構(gòu)造函數(shù)
DataPoint::DataPoint()
{
}
//構(gòu)造函數(shù)
DataPoint::DataPoint(unsigned long dpID,double* dimension , bool isKey):isKey(isKey),dpID(dpID)
{
//傳遞每維的維度數(shù)據(jù)
for(int i=0; i<DIME_NUM;i++)
{
this->dimension[i]=dimension[i];
}
}
//設(shè)置維度數(shù)據(jù)
void DataPoint::SetDimension(double* dimension)
{
for(int i=0; i<DIME_NUM;i++)
{
this->dimension[i]=dimension[i];
}
}
//獲取維度數(shù)據(jù)
double* DataPoint::GetDimension()
{
return this->dimension;
}
//獲取是否為核心對象
bool DataPoint::IsKey()
{
return this->isKey;
}
//設(shè)置核心對象標志
void DataPoint::SetKey(bool isKey)
{
this->isKey = isKey;
}
//獲取DpId方法
unsigned long DataPoint::GetDpId()
{
return this->dpID;
}
//設(shè)置DpId方法
void DataPoint::SetDpId(unsigned long dpID)
{
this->dpID = dpID;
}
//GetIsVisited方法
bool DataPoint::isVisited()
{
return this->visited;
}
//SetIsVisited方法
void DataPoint::SetVisited( bool visited )
{
this->visited = visited;
}
//GetClusterId方法
long DataPoint::GetClusterId()
{
return this->clusterId;
}
//GetClusterId方法
void DataPoint::SetClusterId( long clusterId )
{
this->clusterId = clusterId;
}
//GetArrivalPoints方法
vector<unsigned long>& DataPoint::GetArrivalPoints()
{
return arrivalPoints;
}
DBSCAN算法類型描述：
復(fù)制代碼 代碼如下:
#include <iostream>
#include <cmath>
using namespace std;
//聚類分析類型
class ClusterAnalysis
{
private:
vector<DataPoint> dadaSets; //數(shù)據(jù)集合
unsigned int dimNum; //維度
double radius; //半徑
unsigned int dataNum; //數(shù)據(jù)數(shù)量
unsigned int minPTs; //鄰域最小數(shù)據(jù)個數(shù)
double GetDistance(DataPoint& dp1, DataPoint& dp2); //距離函數(shù)
void SetArrivalPoints(DataPoint& dp); //設(shè)置數(shù)據(jù)點的領(lǐng)域點列表
void KeyPointCluster( unsigned long i, unsigned long clusterId ); //對數(shù)據(jù)點領(lǐng)域內(nèi)的點執(zhí)行聚類操作
public:
ClusterAnalysis(){} //默認構(gòu)造函數(shù)
bool Init(char* fileName, double radius, int minPTs); //初始化操作
bool DoDBSCANRecursive(); //DBSCAN遞歸算法
bool WriteToFile(char* fileName); //將聚類結(jié)果寫入文件
};
聚類實現(xiàn)：
復(fù)制代碼 代碼如下:
#include "ClusterAnalysis.h"
#include <fstream>
#include <iosfwd>
#include <math.h>
/*
函數(shù)：聚類初始化操作
說明：將數(shù)據(jù)文件名，半徑，領(lǐng)域最小數(shù)據(jù)個數(shù)信息寫入聚類算法類，讀取文件，把數(shù)據(jù)信息讀入寫進算法類數(shù)據(jù)集合中
參數(shù)：
char* fileName; //文件名
double radius; //半徑
int minPTs; //領(lǐng)域最小數(shù)據(jù)個數(shù)
返回值： true; */
bool ClusterAnalysis::Init(char* fileName, double radius, int minPTs)
{
this->radius = radius; //設(shè)置半徑
this->minPTs = minPTs; //設(shè)置領(lǐng)域最小數(shù)據(jù)個數(shù)
this->dimNum = DIME_NUM; //設(shè)置數(shù)據(jù)維度
ifstream ifs(fileName); //打開文件
if (! ifs.is_open()) //若文件已經(jīng)被打開，報錯誤信息
{
cout << "Error opening file"; //輸出錯誤信息
exit (-1); //程序退出
}
unsigned long i=0; //數(shù)據(jù)個數(shù)統(tǒng)計
while (! ifs.eof() ) //從文件中讀取POI信息，將POI信息寫入POI列表中
{
DataPoint tempDP; //臨時數(shù)據(jù)點對象
double tempDimData[DIME_NUM]; //臨時數(shù)據(jù)點維度信息
for(int j=0; j<DIME_NUM; j++) //讀文件，讀取每一維數(shù)據(jù)
{
ifs>>tempDimData[j];
}
tempDP.SetDimension(tempDimData); //將維度信息存入數(shù)據(jù)點對象內(nèi)
//char date[20]="";
//char time[20]="";
////double type; //無用信息
//ifs >> date;
//ifs >> time; //無用信息讀入
tempDP.SetDpId(i); //將數(shù)據(jù)點對象ID設(shè)置為i
tempDP.SetVisited(false); //數(shù)據(jù)點對象isVisited設(shè)置為false
tempDP.SetClusterId(-1); //設(shè)置默認簇ID為-1
dadaSets.push_back(tempDP); //將對象壓入數(shù)據(jù)集合容器
i++; //計數(shù)+1
}
ifs.close(); //關(guān)閉文件流
dataNum =i; //設(shè)置數(shù)據(jù)對象集合大小為i
for(unsigned long i=0; i<dataNum;i++)
{
SetArrivalPoints(dadaSets[i]); //計算數(shù)據(jù)點領(lǐng)域內(nèi)對象
}
return true; //返回
}
/*
函數(shù)：將已經(jīng)過聚類算法處理的數(shù)據(jù)集合寫回文件
說明：將已經(jīng)過聚類結(jié)果寫回文件
參數(shù)：
char* fileName; //要寫入的文件名
返回值： true */
bool ClusterAnalysis::WriteToFile(char* fileName )
{
ofstream of1(fileName); //初始化文件輸出流
for(unsigned long i=0; i<dataNum;i++) //對處理過的每個數(shù)據(jù)點寫入文件
{
for(int d=0; d<DIME_NUM ; d++) //將維度信息寫入文件
of1<<dadaSets[i].GetDimension()[d]<<'\t';
of1 << dadaSets[i].GetClusterId() <<endl; //將所屬簇ID寫入文件
}
of1.close(); //關(guān)閉輸出文件流
return true; //返回
}
/*
函數(shù)：設(shè)置數(shù)據(jù)點的領(lǐng)域點列表
說明：設(shè)置數(shù)據(jù)點的領(lǐng)域點列表
參數(shù)：
返回值： true; */
void ClusterAnalysis::SetArrivalPoints(DataPoint& dp)
{
for(unsigned long i=0; i<dataNum; i++) //對每個數(shù)據(jù)點執(zhí)行
{
double distance =GetDistance(dadaSets[i], dp); //獲取與特定點之間的距離
if(distance <= radius && i!=dp.GetDpId()) //若距離小于半徑，并且特定點的id與dp的id不同執(zhí)行
dp.GetArrivalPoints().push_back(i); //將特定點id壓力dp的領(lǐng)域列表中
}
if(dp.GetArrivalPoints().size() >= minPTs) //若dp領(lǐng)域內(nèi)數(shù)據(jù)點數(shù)據(jù)量> minPTs執(zhí)行
{
dp.SetKey(true); //將dp核心對象標志位設(shè)為true
return; //返回
}
dp.SetKey(false); //若非核心對象，則將dp核心對象標志位設(shè)為false
}
/*
函數(shù)：執(zhí)行聚類操作
說明：執(zhí)行聚類操作
參數(shù)：
返回值： true; */
bool ClusterAnalysis::DoDBSCANRecursive()
{
unsigned long clusterId=0; //聚類id計數(shù)，初始化為0
for(unsigned long i=0; i<dataNum;i++) //對每一個數(shù)據(jù)點執(zhí)行
{
DataPoint& dp=dadaSets[i]; //取到第i個數(shù)據(jù)點對象
if(!dp.isVisited() && dp.IsKey()) //若對象沒被訪問過，并且是核心對象執(zhí)行
{
dp.SetClusterId(clusterId); //設(shè)置該對象所屬簇ID為clusterId
dp.SetVisited(true); //設(shè)置該對象已被訪問過
KeyPointCluster(i,clusterId); //對該對象領(lǐng)域內(nèi)點進行聚類
clusterId++; //clusterId自增1
}
//cout << "孤立點\T" << i << endl;
}
cout <<"共聚類" <<clusterId<<"個"<< endl; //算法完成后，輸出聚類個數(shù)
return true; //返回
}
/*
函數(shù)：對數(shù)據(jù)點領(lǐng)域內(nèi)的點執(zhí)行聚類操作
說明：采用遞歸的方法，深度優(yōu)先聚類數(shù)據(jù)
參數(shù)：
unsigned long dpID; //數(shù)據(jù)點id
unsigned long clusterId; //數(shù)據(jù)點所屬簇id
返回值： void; */
void ClusterAnalysis::KeyPointCluster(unsigned long dpID, unsigned long clusterId )
{
DataPoint& srcDp = dadaSets[dpID]; //獲取數(shù)據(jù)點對象
if(!srcDp.IsKey()) return;
vector<unsigned long>& arrvalPoints = srcDp.GetArrivalPoints(); //獲取對象領(lǐng)域內(nèi)點ID列表
for(unsigned long i=0; i<arrvalPoints.size(); i++)
{
DataPoint& desDp = dadaSets[arrvalPoints[i]]; //獲取領(lǐng)域內(nèi)點數(shù)據(jù)點
if(!desDp.isVisited()) //若該對象沒有被訪問過執(zhí)行
{
//cout << "數(shù)據(jù)點\t"<< desDp.GetDpId()<<"聚類ID為\t" <<clusterId << endl;
desDp.SetClusterId(clusterId); //設(shè)置該對象所屬簇的ID為clusterId，即將該對象吸入簇中
desDp.SetVisited(true); //設(shè)置該對象已被訪問
if(desDp.IsKey()) //若該對象是核心對象
{
KeyPointCluster(desDp.GetDpId(),clusterId); //遞歸地對該領(lǐng)域點數(shù)據(jù)的領(lǐng)域內(nèi)的點執(zhí)行聚類操作，采用深度優(yōu)先方法
}
}
}
}
//兩數(shù)據(jù)點之間距離
/*
函數(shù)：獲取兩數(shù)據(jù)點之間距離
說明：獲取兩數(shù)據(jù)點之間的歐式距離
參數(shù)：
DataPoint& dp1; //數(shù)據(jù)點1
DataPoint& dp2; //數(shù)據(jù)點2
返回值： double; //兩點之間的距離 */
double ClusterAnalysis::GetDistance(DataPoint& dp1, DataPoint& dp2)
{
double distance =0; //初始化距離為0
for(int i=0; i<DIME_NUM;i++) //對數(shù)據(jù)每一維數(shù)據(jù)執(zhí)行
{
distance += pow(dp1.GetDimension()[i] - dp2.GetDimension()[i],2); //距離+每一維差的平方
}
return pow(distance,0.5); //開方并返回距離
}
算法調(diào)用就簡單了：
復(fù)制代碼 代碼如下:
#include "ClusterAnalysis.h"
#include <cstdio>
using namespace std;
int main()
{
ClusterAnalysis myClusterAnalysis; //聚類算法對象聲明
myClusterAnalysis.Init("D:\\1108\\XY.txt",500,9); //算法初始化操作，指定半徑為15，領(lǐng)域內(nèi)最小數(shù)據(jù)點個數(shù)為3，（在程序中已指定數(shù)據(jù)維度為2）
myClusterAnalysis.DoDBSCANRecursive(); //執(zhí)行聚類算法
myClusterAnalysis.WriteToFile("D:\\1108\\XYResult.txt");//寫執(zhí)行后的結(jié)果寫入文件
system("pause"); //顯示結(jié)果
return 0; //返回
}
您可能感興趣的文章:
相關(guān)文章
埃拉托斯特尼篩法，簡稱埃氏篩或愛氏篩，是一種由希臘數(shù)學(xué)家埃拉托斯特尼所提出的一種簡單檢定素數(shù)的算法。本文將利用這一算法實現(xiàn)求解素數(shù)，感興趣的可以了解一下2023-01-01
編程中我們可能會遇到要處理可能為空的變量,比如說容器,基本類型,或者說對象實例,下面通過實例代碼介紹C++的optional用法,感興趣的朋友一起看看吧2024-02-02
本文中，為了敘述方便，把class AClass;語句成為類AClass的聲明，把class AClass開始的對AClass的類成員變量、成員函數(shù)原型等的說明稱為類的定義，而把在CPP中的部分稱為類的定義2013-09-09
C++面試題之?dāng)?shù)a、b的值互換（不使用中間變量）
這篇文章主要介紹了不使用中間變量，C++實現(xiàn)數(shù)a、b的值互相轉(zhuǎn)換操作，感興趣的小伙伴們可以參考一下2016-07-07
本篇文章主要介紹了C語言進制之間的轉(zhuǎn)換,舉例說明并附圖片,幫助大家理解,希望對大家有所幫助2016-07-07
春節(jié)是中國最隆重的傳統(tǒng)節(jié)日，一到過年家家戶戶肯定是要貼春聯(lián)；在春節(jié)前夕，會用大紅紙張，加上濃墨書寫祝福詞語。本文將利用Qt框架設(shè)計一個春聯(lián)自動生成器，需要的可以參考一下2022-01-01
深入講解C++數(shù)據(jù)類型轉(zhuǎn)換的相關(guān)函數(shù)的知識
這篇文章主要介紹了深入講解C++數(shù)據(jù)類型轉(zhuǎn)換的相關(guān)函數(shù)的知識,包括類型轉(zhuǎn)換運算符函數(shù)等內(nèi)容,需要的朋友可以參考下2015-09-09
這篇文章主要為大家詳細介紹了如何利用qt自帶的QNetworkInterface接口以及c++Iphlpapi庫,獲取當(dāng)前windows電腦下的網(wǎng)卡信息,需要的可以參考下2024-01-01
對性能來說，許多的問題都需要和出現(xiàn)頻率及本身執(zhí)行一次的開銷掛鉤，有些問題雖然看似比較開銷較大，但是很少會執(zhí)行到，那也不會對程序有大的影響；同樣一個很小開銷的函數(shù)執(zhí)行很頻繁，同樣會對程序的執(zhí)行效率有很大影響。本章中作者主要根據(jù)臨時對象來闡述這樣一個觀點2022-08-08
這篇文章主要介紹了C++類的繼承和派生及指針安全引用，繼承指從現(xiàn)有類獲得其特性，派生指從已有類產(chǎn)生新的類，指針和引用并存，二者似乎有很多相同點，但是又不完全相同，下面關(guān)于兩者的相關(guān)資料，需要的小伙伴可以參考一下2022-03-03