DBSCAN算法C实现

这篇博客详细介绍了如何使用C语言实现DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法,该算法在数据库和人工智能领域中常用于发现数据集中的密集区域。内容包括算法的基本原理和C代码实现,适合对数据库和机器学习感兴趣的读者深入理解。
摘要由CSDN通过智能技术生成
#include<stdio.h>
#include<math.h>
#define TOTALPOINT 12
#define AttSetSize 2
#define	MinPts 4
bool Neighbor[TOTALPOINT][TOTALPOINT];    //保存点与点是否相邻的二维数组
int ClusterNo[TOTALPOINT];		//记录每个点属于哪个簇
int CurrentClusterNo=0;			//记录当前的簇编号
struct ClusterList   //用来存放直接密度可达的点
{
	int data[10];	//元素值
	int head;   //队列头
	int tail;	//元素长度
};
double DIstance(double DataBase1[],double DataBase2[])
{
	int i;
	double distance=0;
	for(i=0;i<AttSetSize;i++){
		distance+=(DataBase1[i]-DataBase2[i])*(DataBase1[i]-DataBase2[i]);
	}
	distance=sqrt(distance); 
	return distance;
}
//判断是否为核心对象
bool isCenterObject(int ObjectNum)
{
	int NeighborPointsNum=0;			//记录邻近的点个数
	int j;
	//找出该点的邻近点的个数
	for(j=0;j<TOTALPOINT;j++)
		{
			if(Neighbor[ObjectNum][j]==true) 
			{
				NeighborPointsNum++;
			}
		}
	if(NeighborPointsNum>=MinPts)
	{
		return true;
  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值