这几天由于工作需要，对DBSCAN聚类算法进行了C++的实现。时间复杂度O(n^2)，主要花在算每个点领域内的点上。算法很简单，现共享大家参考，也希望有更多交流。
数据点类型描述如下：
1 #include <vector> 2 3 using namespace std; 4 5 const int DIME_NUM=2; //数据维度为2，全局常量 6 7 //数据点类型 8 class DataPoint 9 { 10 private: 11 unsigned long dpID; //数据点ID 12 double dimension[DIME_NUM]; //维度数据 13 long clusterId; //所属聚类ID 14 bool isKey; //是否核心对象 15 bool visited; //是否已访问 16 vector<unsigned long> arrivalPoints; //领域数据点id列表 17 public: 18 DataPoint(); //默认构造函数 19 DataPoint(unsigned long dpID,double* dimension , bool isKey); //构造函数 20 21 unsigned long GetDpId(); //GetDpId方法 22 void SetDpId(unsigned long dpID); //SetDpId方法 23 double* GetDimension(); //GetDimension方法 24 void SetDimension(double* dimension); //SetDimension方法 25 bool IsKey(); //GetIsKey方法 26 void SetKey(bool isKey); //SetKey方法 27 bool isVisited(); //GetIsVisited方法 28 void SetVisited(bool visited); //SetIsVisited方法 29 long GetClusterId(); //GetClusterId方法 30 void SetClusterId(long classId); //SetClusterId方法 31 vector<unsigned long>& GetArrivalPoints(); //GetArrivalPoints方法 32 };
这是实现：
1 #include "DataPoint.h" 2 3 //默认构造函数 4 DataPoint::DataPoint() 5 { 6 } 7 8 //构造函数 9 DataPoint::DataPoint(unsigned long dpID,double* dimension , bool isKey):isKey(isKey),dpID(dpID) 10 { 11 //传递每维的维度数据 12 for(int i=0; i<DIME_NUM;i++) 13 { 14 this->dimension[i]=dimension[i]; 15 } 16 } 17 18 //设置维度数据 19 void DataPoint::SetDimension(double* dimension) 20 { 21 for(int i=0; i<DIME_NUM;i++) 22 { 23 this->dimension[i]=dimension[i]; 24 } 25 } 26 27 //获取维度数据 28 double* DataPoint::GetDimension() 29 { 30 return this->dimension; 31 } 32 33 //获取是否为核心对象 34 bool DataPoint::IsKey() 35 { 36 return this->isKey; 37 } 38 39 //设置核心对象标志 40 void DataPoint::SetKey(bool isKey) 41 { 42 this->isKey = isKey; 43 } 44 45 //获取DpId方法 46 unsigned long DataPoint::GetDpId() 47 { 48 return this->dpID; 49 } 50 51 //设置DpId方法 52 void DataPoint::SetDpId(unsigned long dpID) 53 { 54 this->dpID = dpID; 55 } 56 57 //GetIsVisited方法 58 bool DataPoint::isVisited() 59 { 60 return this->visited; 61 } 62 63 64 //SetIsVisited方法 65 void DataPoint::SetVisited( bool visited ) 66 { 67 this->visited = visited; 68 } 69 70 //GetClusterId方法 71 long DataPoint::GetClusterId() 72 { 73 return this->clusterId; 74 } 75 76 //GetClusterId方法 77 void DataPoint::SetClusterId( long clusterId ) 78 { 79 this->clusterId = clusterId; 80 } 81 82 //GetArrivalPoints方法 83 vector<unsigned long>& DataPoint::GetArrivalPoints() 84 { 85 return arrivalPoints; 86 }
DBSCAN算法类型描述：
1 #include <iostream> 2 #include <cmath> 4 5 using namespace std; 6 7 //聚类分析类型 8 class ClusterAnalysis 9 { 10 private: 11 vector<DataPoint> dadaSets; //数据集合 12 unsigned int dimNum; //维度 13 double radius; //半径 14 unsigned int dataNum; //数据数量 15 unsigned int minPTs; //邻域最小数据个数 16 17 double GetDistance(DataPoint& dp1, DataPoint& dp2); //距离函数 18 void SetArrivalPoints(DataPoint& dp); //设置数据点的领域点列表 19 void KeyPointCluster( unsigned long i, unsigned long clusterId ); //对数据点领域内的点执行聚类操作 20 public: 21 22 ClusterAnalysis(){} //默认构造函数 23 bool Init(char* fileName, double radius, int minPTs); //初始化操作 24 bool DoDBSCANRecursive(); //DBSCAN递归算法 25 bool WriteToFile(char* fileName); //将聚类结果写入文件 26 };
聚类实现：
1 #include "ClusterAnalysis.h" 2 #include <fstream> 3 #include <iosfwd> 4 #include <math.h> 5 6 /* 7 函数：聚类初始化操作 8 说明：将数据文件名，半径，领域最小数据个数信息写入聚类算法类，读取文件，把数据信息读入写进算法类数据集合中 9 参数： 10 char* fileName; //文件名 11 double radius; //半径 12 int minPTs; //领域最小数据个数 13 返回值： true; */ 14 bool ClusterAnalysis::Init(char* fileName, double radius, int minPTs) 15 { 16 this->radius = radius; //设置半径 17 this->minPTs = minPTs; //设置领域最小数据个数 18 this->dimNum = DIME_NUM; //设置数据维度 19 ifstream ifs(fileName); //打开文件 20 if (! ifs.is_open()) //若文件已经被打开，报错误信息 21 { 22 cout << "Error opening file"; //输出错误信息 23 exit (-1); //程序退出 24 } 25 26 unsigned long i=0; //数据个数统计 27 while (! ifs.eof() ) //从文件中读取POI信息，将POI信息写入POI列表中 28 { 29 DataPoint tempDP; //临时数据点对象 30 double tempDimData[DIME_NUM]; //临时数据点维度信息 31 for(int j=0; j<DIME_NUM; j++) //读文件，读取每一维数据 32 { 33 ifs>>tempDimData[j]; 34 } 35 tempDP.SetDimension(tempDimData); //将维度信息存入数据点对象内 36 37 //char date[20]=""; 38 //char time[20]=""; 39 ////double type; //无用信息 40 //ifs >> date; 41 //ifs >> time; //无用信息读入 42 43 tempDP.SetDpId(i); //将数据点对象ID设置为i 44 tempDP.SetVisited(false); //数据点对象isVisited设置为false 45 tempDP.SetClusterId(-1); //设置默认簇ID为-1 46 dadaSets.push_back(tempDP); //将对象压入数据集合容器 47 i++; //计数+1 48 } 49 ifs.close(); //关闭文件流 50 dataNum =i; //设置数据对象集合大小为i 51 for(unsigned long i=0; i<dataNum;i++) 52 { 53 SetArrivalPoints(dadaSets[i]); //计算数据点领域内对象 54 } 55 return true; //返回 56 } 57 58 /* 59 函数：将已经过聚类算法处理的数据集合写回文件 60 说明：将已经过聚类结果写回文件 61 参数： 62 char* fileName; //要写入的文件名 63 返回值： true */ 64 bool ClusterAnalysis::WriteToFile(char* fileName ) 65 { 66 ofstream of1(fileName); //初始化文件输出流 67 for(unsigned long i=0; i<dataNum;i++) //对处理过的每个数据点写入文件 68 { 69 for(int d=0; d<DIME_NUM ; d++) //将维度信息写入文件 70 of1<<dadaSets[i].GetDimension()[d]<<'\t'; 71 of1 << dadaSets[i].GetClusterId() <<endl; //将所属簇ID写入文件 72 } 73 of1.close(); //关闭输出文件流 74 return true; //返回 75 } 76 77 /* 78 函数：设置数据点的领域点列表 79 说明：设置数据点的领域点列表 80 参数： 81 返回值： true; */ 82 void ClusterAnalysis::SetArrivalPoints(DataPoint& dp) 83 { 84 for(unsigned long i=0; i<dataNum; i++) //对每个数据点执行 85 { 86 double distance =GetDistance(dadaSets[i], dp); //获取与特定点之间的距离 87 if(distance <= radius && i!=dp.GetDpId()) //若距离小于半径，并且特定点的id与dp的id不同执行 88 dp.GetArrivalPoints().push_back(i); //将特定点id压力dp的领域列表中 89 } 90 if(dp.GetArrivalPoints().size() >= minPTs) //若dp领域内数据点数据量> minPTs执行 91 { 92 dp.SetKey(true); //将dp核心对象标志位设为true 93 return; //返回 94 } 95 dp.SetKey(false); //若非核心对象，则将dp核心对象标志位设为false 96 } 97 98 99 /* 100 函数：执行聚类操作 101 说明：执行聚类操作 102 参数： 103 返回值： true; */ 104 bool ClusterAnalysis::DoDBSCANRecursive() 105 { 106 unsigned long clusterId=0; //聚类id计数，初始化为0 107 for(unsigned long i=0; i<dataNum;i++) //对每一个数据点执行 108 { 109 DataPoint& dp=dadaSets[i]; //取到第i个数据点对象 110 if(!dp.isVisited() && dp.IsKey()) //若对象没被访问过，并且是核心对象执行 111 { 112 dp.SetClusterId(clusterId); //设置该对象所属簇ID为clusterId 113 dp.SetVisited(true); //设置该对象已被访问过 114 KeyPointCluster(i,clusterId); //对该对象领域内点进行聚类 115 clusterId++; //clusterId自增1 116 } 117 //cout << "孤立点\T" << i << endl; 118 } 119 120 cout <<"共聚类" <<clusterId<<"个"<< endl; //算法完成后，输出聚类个数 121 return true; //返回 122 } 123 124 /* 125 函数：对数据点领域内的点执行聚类操作 126 说明：采用递归的方法，深度优先聚类数据 127 参数： 128 unsigned long dpID; //数据点id 129 unsigned long clusterId; //数据点所属簇id 130 返回值： void; */ 131 void ClusterAnalysis::KeyPointCluster(unsigned long dpID, unsigned long clusterId ) 132 { 133 DataPoint& srcDp = dadaSets[dpID]; //获取数据点对象 134 if(!srcDp.IsKey()) return; 135 vector<unsigned long>& arrvalPoints = srcDp.GetArrivalPoints(); //获取对象领域内点ID列表 136 for(unsigned long i=0; i<arrvalPoints.size(); i++) 137 { 138 DataPoint& desDp = dadaSets[arrvalPoints[i]]; //获取领域内点数据点 139 if(!desDp.isVisited()) //若该对象没有被访问过执行 140 { 141 //cout << "数据点\t"<< desDp.GetDpId()<<"聚类ID为\t" <<clusterId << endl; 142 desDp.SetClusterId(clusterId); //设置该对象所属簇的ID为clusterId，即将该对象吸入簇中 143 desDp.SetVisited(true); //设置该对象已被访问 144 if(desDp.IsKey()) //若该对象是核心对象 145 { 146 KeyPointCluster(desDp.GetDpId(),clusterId); //递归地对该领域点数据的领域内的点执行聚类操作，采用深度优先方法 147 } 148 } 149 } 150 } 151 152 //两数据点之间距离 153 /* 154 函数：获取两数据点之间距离 155 说明：获取两数据点之间的欧式距离 156 参数： 157 DataPoint& dp1; //数据点1 158 DataPoint& dp2; //数据点2 159 返回值： double; //两点之间的距离 */ 160 double ClusterAnalysis::GetDistance(DataPoint& dp1, DataPoint& dp2) 161 { 162 double distance =0; //初始化距离为0 163 for(int i=0; i<DIME_NUM;i++) //对数据每一维数据执行 164 { 165 distance += pow(dp1.GetDimension()[i] - dp2.GetDimension()[i],2); //距离+每一维差的平方 166 } 167 return pow(distance,0.5); //开方并返回距离 168 }
算法调用就简单了：
1 #include "ClusterAnalysis.h" 2 #include <cstdio> 3 4 using namespace std; 5 6 int main() 7 { 8 ClusterAnalysis myClusterAnalysis; //聚类算法对象声明 9 myClusterAnalysis.Init("D:\\1108\\XY.txt",500,9); //算法初始化操作，指定半径为15，领域内最小数据点个数为3，（在程序中已指定数据维度为2） 10 myClusterAnalysis.DoDBSCANRecursive(); //执行聚类算法 11 myClusterAnalysis.WriteToFile("D:\\1108\\XYResult.txt");//写执行后的结果写入文件 12 13 system("pause"); //显示结果 14 return 0; //返回 15 }
6141
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
