ClustLib——A C++ Data Clustering Framework(一):数据集相关类设计

原创 2015年11月18日 23:35:32

数据(Data)是一个聚类算法(a clustering algorithm)的重要组成部分,不然所聚为何物呀,也是聚类算法的处理对象和意图。因此在设计和实现聚类算法之前,我们需要进行数据的设计与实现(存储数据的结构及相关类的关系)。
本文作为 C++ 数据聚类框架的 ClustLib 系列的第一篇文章,我们首先进行基础类(Foundation Classes),也即数据集(datasets)的设计与实现。在数据聚类的相关文献中,一个数据集(dataset)记录(record)的集合(a collection of records),而一个记录又被属性(attributes)所描述(characterized by a set of attributes),正如本文的第一幅图表所示。

从一张最终呈现出来的表(table,代表数据集),来建立起表中元素与代码中不同的对应关系(采用面向对象的方式)。

客户端程序


这里写图片描述

我们先来看客户端程序,进一步思考如何进行类和接口的设计。我们来对如下形式的数据集进行数据结构(也即面向对象中的类)的设计:

#include <boost/shared_ptr.hpp>
#include "./datasets/dataset.hpp"

using namespace std;
using namespace ClusLib;

int main(int, char**)
{
    // 首先创建所谓的模式Schema
    // 如同我们在word中建一张表,先建的是表头,

    // Schema类继承自Container<boost::shared_ptr<AttrInfo>>
    // 为显示提供其构造函数
    boost::shared_ptr<Schema> schema(new Schema);
    boost::shared_ptr<DAttrInfo> labelInfo(new DAttrInfo("Label"));            // 标签列,也即上例中的最后一列
    boost::shared_ptr<DAttrInfo> idInfo(new DAttrInfo("Identifier"));

    return 0;
}

属性(Attributes)

一个属性(Attribute)标识一条记录中的一个独立的成分。我们可将属性分为四类(four categories):ratio,interval,ordinal 以及 nominal。我们可以使用一个实数(a real number)存储一个 ratio 或者 interval 型属性,使用一个整数(integer)来存储一个 ordinal 或者 nominal 型属性。

为了实现对属性(Attributes)的抽象,我们设计了四个基础类(Foundation Classes),分别为:AttrValueAttrInfoCAttrInfo 以及 DAttrInfo。其UML类图如下所示:


这里写图片描述

AttrInfo 类的说明:

  • 用来操作属性值

    属于操纵类;

  • 该类代表属性信息,而非属性本身

    也即本身不持有值内容
    所以当涉及 AttrInfo 的比较(乃至CAttrInfo/DAttrInfo 的比较时)
    并不涉及值的(内容的)比较,更多的是比如属性名,属性类型,此类的抽象层面的比较;

    bool AttrInfo::equal_shallow(const AttrInfo& ai) const
    {
        return _name == ai.name() && _type == ai.type();
    }
    bool CAttrInfo::euqal(const AttrInfo& ai) const
    {
        return equal_shallow(ai) && ai.can_cast_to_c();
    }
  • 真正的保存值的类在 AttrValue

记录(Record)

需要依靠Schema才能建立。

数据集(Dataset)

也是需要Schema才能建立。

版权声明:本文为博主原创文章,未经博主允许不得转载。 举报

相关文章推荐

ClustLib——A C++ Data Clustering Framework(一):数据集相关类设计

数据(Data)是一个聚类算法(a clustering algorithm)的重要组成部分,不然所聚为何物呀,也是聚类算法的处理对象和意图。因此在设计和实现聚类算法之前,我们需要进行数据的设计与实现...

C/C++ 数据类型相关

C与C++中的数据类型长度  一、C   1.几条规则   (1)char类型一般是8bit,但ANSI C里没有硬性规定其长度,某些嵌入式编译器可能是16bit   (2)short和lon...

精选:深入理解 Docker 内部原理及网络配置

网络绝对是任何系统的核心,对于容器而言也是如此。Docker 作为目前最火的轻量级容器技术,有很多令人称道的功能,如 Docker 的镜像管理。然而,Docker的网络一直以来都比较薄弱,所以我们有必要深入了解Docker的网络知识,以满足更高的网络需求。

数据库相关设计优化

数据库设计优化 适度的违反范式 遵循三大范式就会带来查询时经常需要join导致查询效率降低,机遇性能要求就和业务适当做冗余 适度的建立索引 IO更新操作...

C数据类型相关问题

字节数char 1 short 2 int 由平台(编译器)决定,可能是2或4,通过sizeof获知 long 由平台(编译器)决定,可能是4或8 float 4 double 8 cha...

聚类论文分析-A Hybrid Approach to Clustering in Big Data

谈谈对论文A Hybrid Approach to Clustering in Big Data的理解 在这篇论文中作者提出了一种新的聚类方法,叫clusiVAT算法,并且与 k-means, si...

DATA SET (数据集)

1.什么是DATASET         数据集是逻辑上相关的数据集合,主机上的数据、编写的程序源码存放于Data Set中。简而言之:数据集就是类似PC机中的“文件”。         根据...

Cocos2d-x数据相关的类用法简介

转载自: 在Cocos2d-x的学习和使用中,我遇到了很多关于数据的操作。在这个过程中,我学习了Cocos2d-x自带的很多功能。下面我把接触到的类罗列在下面,给出的都是基本的用法,多数没有深入...

framework 相关

【转自总监】Android开发学习笔记 买了Android手机,经过了一天的尝鲜期之后,开始学习Android编程开发了。毕竟以后学院的《移动设备开发》这门课将由我来上。没办法,三十岁的老程...

Sqlite数据库相关(一)SQLiteDatabase类

Android系统集成了一个

Yaf framework 相关

Yaf framework 相关
返回顶部
收藏助手
不良信息举报
您举报文章:深度学习:神经网络中的前向传播和反向传播算法推导
举报原因:
原因补充:

(最多只允许输入30个字)