聚类算法-Hierarchical(MIN)-C++

程序流程图：

Hierarchical(MIN)核心功能函数，采用vector >::dTable存储两点之间的距离。计算每两个point间的距离并保存到distance table中；判断是否达到需要聚类的cluster数量，若是，将point信息写入clustering文件，程序结束。否则，合并两个具有最小距离的point，将两个point中的所有node全部加入到一个point中，删除拷贝node数组后的多余point，跟新dataset数组。然后更新distance table，删除被合并point对应的distance table中行与列，进入下一步循环。

/*
	K-means Algorithm
	15S103182
	Ethan
*/
#include 
#include 
#include 
#include 
#include 
#include 
#include  
#include 
using namespace std;

class node{
public:
	float x;
	float y;
	node(float a,float b){
		x = a;
		y = b;
	}
};

class point{
public:
	float x;
	float y;
	vector nds;
	point (float a,float b){
		x = a;
		y = b;
		node t(a,b);
		nds.push_back(t);
	}
};
float stringToFloat(string i){
	stringstream sf;
	float score=0;
	sf<>score;
	return score;
}
vector openFile(const char* dataset){
	fstream file;
	file.open(dataset,ios::in);
	if(!file) 
    {
        cout <<"Open File Failed!" < a;
        return a;
    } 
	vector data;
	while(!file.eof()){
		string temp;
		file>>temp;
		int split = temp.find(',',0);
		point p(stringToFloat(temp.substr(0,split)),stringToFloat(temp.substr(split+1,temp.length()-1)));
		data.push_back(p);
	}
	file.close();
	cout<<"Read data successfully!"< dataset,int clusters){
	//Similarity table：distance table 
	vector > dTable;
	for(int i=0;i temp;
		for(int j=0;ji)
				temp.push_back(squareDistance(dataset[i],dataset[j]));
			else if(jclusters){
		//Merge two closest clusters
		float minDt =INT_MAX;
		int mi,mj;
		for(int i=0;i::iterator imj = dataset.begin();
		imj += mj;
		dataset.erase(imj);
		
		//Update the dTable
		for(int j=0;jdTable[mj][j]){
				dTable[mi][j] = dTable[mj][j];
				dTable[j][mi] = dTable[mi][j];
			}
		}
		//rm
		vector >::iterator ii = dTable.begin();
		ii += mj;
		dTable.erase(ii);
		for(int i=0;i::iterator ij = dTable[i].begin();
			ij += mj;
			dTable[i].erase(ij);
		}
	}
	fstream clustering;
	clustering.open("clustering.txt",ios::out);
	for(int i=0;i dataset = openFile("dataset3.txt");
	HierarchicalClustering(dataset,15);
	return 0;
}

数据文件格式：（x，y）

运行结果格式：（x，y，cluster）

具体文件格式见DBSCAN篇：http://blog.csdn.net/k76853/article/details/50440182

图形化展现：

总结：

Hierarchical(MIN)算法能够很好处理非圆形状的数据。但对于噪音和离群点，Hierarchical(MIN)算法具有局限性。由于层次聚类具有不可恢复性，一旦聚类，就难以撤销聚类操作，刚开始编码的时候走了不少弯路，后来果断决定用数组存储node信息，方便cluster合并。对于近邻表的更新，也遇到一点小麻烦，由于二级指针对于行列的删除比较复杂，果断采用动态数组vector来存储距离信息，二级vector对于行的删除非常直接简单，对于列的删除也只需O(n)操作，比较简洁高效。