DBSCAN聚类算法C++实现
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 }
posted on 2011-11-08 18:24 Lovell Liu 阅读(8884) 评论(4) 编辑 收藏 举报
