写给自己看的DBSCAN:基本实现

Posted lyrich@csdn||cnblogs||github

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了写给自己看的DBSCAN:基本实现相关的知识,希望对你有一定的参考价值。

搬运自我的CSDN https://blog.csdn.net/u013213111/article/details/107308563

参考:西瓜书
DBSCAN的思想是基于密度来聚类,十分直观易懂,更严谨的描述可见西瓜书,其中个人认为最关键的是:

(x)为核心对象,由(x)密度可达的所有样本组成的集合记为(X={x‘ in D mid x‘由x密度可达}),则不难证明(X)即为满足连接性与最大性的簇。

这就指明了实现的一种思路:先找到所有的核心对象,再找到这些核心对象密度可达的其他点。
伪代码如下:
技术图片
这里给出C++的实现,基本上忠于上述的伪代码,没有对性能进行优化:

struct clusterData
{
	int coordinates[2]; //coordinate[0]:x, coordinate[1]:y
	int clusterIndex = 0;
	int dataType = 0; //0:noise,1:boundary,2:core
};

/*********

dbscan_cpp

Summary: Density-Based Spatial Clustering of Applications with Noise inplemented in C++

Parameters:
	cluster: an array contains all points, points‘ clusterIndex and dataType are initiated as 0
	totalPts: number of points in cluster

Return: number of clusters

*********/

int dbscan_cpp(clusterData *cluster, const int totalPts, const double eps, const unsigned int minPts)
{
	vector<int> coreObj;
	vector<set<int>> neighbors(totalPts);

	for (int j = 0; j < totalPts; j++) {
		for (int i = 0; i < totalPts; i++) {
			double dist = sqrt(pow((cluster[j].coordinates[0] - cluster[i].coordinates[0]), 2)
				+ pow((cluster[j].coordinate[1] - cluster[i].coordinate[1]), 2));
			if (dist <= eps)
				neighbors[j].insert(i);
		}
		if (neighbors[j].size() >= minPts)
			coreObj.push_back(j);
	}

	set<int> unvisitedPts;
	for (int i = 0; i < totalPts; i++)
		unvisitedPts.insert(i);

	int k = 1; //the index of first cluster is 1, not 0
	vector<set<int>> C;
	while (coreObj.size() > 0) {
		set<int> unvisitedPtsOld(unvisitedPts.begin(), unvisitedPts.end());
		int omg = coreObj[0];
		list<int> Q;
		Q.push_back(omg);
		unvisitedPts.erase(omg);
		while (Q.size() > 0) {
			int q = Q.front();
			Q.remove(q);
			cluster[q].clusterIndex = k;
			if (neighbors[q].size() >= minPts) {
				cluster[q].dataType = 2;
				set<int> delta;
				set_intersection(unvisitedPts.begin(), unvisitedPts.end(), neighbors[q].begin(), neighbors[q].end(), inserter(delta, delta.begin()));
				Q.insert(Q.end(), delta.begin(), delta.end());
				set<int> diff;
				set_difference(unvisitedPts.begin(), unvisitedPts.end(), delta.begin(), delta.end(), inserter(diff, diff.begin()));
				unvisitedPts.clear();
				copy(diff.begin(), diff.end(), std::inserter(unvisitedPts, unvisitedPts.end()));
			}
			else
				cluster[q].dataType = 1;
		}
		k = k + 1;
		set<int> c;
		set_difference(unvisitedPtsOld.begin(), unvisitedPtsOld.end(), unvisitedPts.begin(), unvisitedPts.end(), inserter(c, c.begin()));
		C.push_back(c);
		set<int> diff;
		sort(coreObj.begin(), coreObj.end());
		set_difference(coreObj.begin(), coreObj.end(), c.begin(), c.end(), inserter(diff, diff.begin()));
		coreObj.assign(diff.begin(), diff.end());
	}

	return k-1;
}

这里还有一份MATLAB的实现可供参考。





以上是关于写给自己看的DBSCAN:基本实现的主要内容,如果未能解决你的问题,请参考以下文章

写给自己看的二叉查找树:基本操作

写给自己看的单链表:归并排序

写给自己看的单链表:快速排序

写给小白看的入门级 Java 基本语法,强烈推荐

写给大家看的设计书(第3版)PDF下载高清完整扫描原版

《写给大忙人看的java》笔记--基本的编程结构