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 
 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     vectorlong> 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     vectorlong>& 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; i13     {
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; i22     {
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 vectorlong>& DataPoint::GetArrivalPoints()
84 {
85     return arrivalPoints;
86 }

DBSCAN算法类型描述：

 1 #include 
 2 #include 
 4 
 5 using namespace std;
 6 
 7 //聚类分析类型
 8 class ClusterAnalysis
 9 {
10 private:
11     vector 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 
  3 #include 
  4 #include 
  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//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 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//对处理过的每个数据点写入文件
 68     {
 69         for(int d=0; d//将维度信息写入文件
 70             of1<'\t';
 71         of1 << dadaSets[i].GetClusterId() <//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//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//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" <"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     vectorlong>& arrvalPoints = srcDp.GetArrivalPoints();        //获取对象领域内点ID列表
136     for(unsigned long i=0; i137     {
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" <
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//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 
 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 }