Zhang's Wikipedia

玩就玩大的

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(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。

阅读更多
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/lanchunhui/article/details/49915143
文章标签: ClustLib Clustering c++
个人分类: C/C++ ClustLib
想对作者说点什么? 我来说一句

Data Clustering A Review

2008年03月09日 621KB 下载

Data Clustering in C++ pdf 0分

2016年08月04日 3.12MB 下载

没有更多推荐了,返回首页

不良信息举报

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

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭