DBSCAN聚類基于高密度連通區域聚類算法，它可以將高密度區域劃分為簇，并在噪聲數據中找到任意形狀的簇，下面就跟著武林技術頻道的步伐來了解C++實現DBSCAN聚類的算法介紹吧。
?數據點類型描述如下：
#include "ClusterAnalysis.h"
?#include <fstream>
?#include <iosfwd>
?#include <math.h>
?/*
?函數：聚類初始化操作
?說明：將數據文件名，半徑，領域最小數據個數信息寫入聚類算法類，讀取文件，把數據信息讀入寫進算法類數據集合中
?參數：
?char* fileName;??? //文件名
?double radius;??? //半徑
?int minPTs;??????? //領域最小數據個數?
?返回值： true;??? */
?bool ClusterAnalysis::Init(char* fileName, double radius, int minPTs)
?{
???? this->radius = radius;??????? //設置半徑
???? this->minPTs = minPTs;??????? //設置領域最小數據個數
???? this->dimNum = DIME_NUM;??? //設置數據維度
???? ifstream ifs(fileName);??????? //打開文件
???? if (! ifs.is_open())??????????????? //若文件已經被打開，報錯誤信息
???? {
???????? cout << "Error opening file";??? //輸出錯誤信息
???????? exit (-1);??????????????????????? //程序退出
???? }
???? unsigned long i=0;??????????? //數據個數統計
???? while (! ifs.eof() )??????????????? //從文件中讀取POI信息，將POI信息寫入POI列表中
???? {
???????? DataPoint tempDP;??????????????? //臨時數據點對象
???????? double tempDimData[DIME_NUM];??? //臨時數據點維度信息
???????? for(int j=0; j<DIME_NUM; j++)??? //讀文件，讀取每一維數據
???????? {
???????????? ifs>>tempDimData[j];
???????? }
???????? tempDP.SetDimension(tempDimData);??? //將維度信息存入數據點對象內
?//char date[20]="";
?//char time[20]="";
???????? ////double type;??? //無用信息
???????? //ifs >> date;
?//ifs >> time;??? //無用信息讀入
???????? tempDP.SetDpId(i);??????????????????? //將數據點對象ID設置為i
???????? tempDP.SetVisited(false);??????????? //數據點對象isVisited設置為false
???????? tempDP.SetClusterId(-1);??????????? //設置默認簇ID為-1
???????? dadaSets.push_back(tempDP);??????????? //將對象壓入數據集合容器
???????? i++;??????? //計數+1
???? }
???? ifs.close();??????? //關閉文件流
???? dataNum =i;??????????? //設置數據對象集合大小為i
???? for(unsigned long i=0; i<dataNum;i++)
???? {
???????? SetArrivalPoints(dadaSets[i]);??????????? //計算數據點領域內對象
???? }
???? return true;??? //返回
?}
?/*
?函數：將已經過聚類算法處理的數據集合寫回文件
?說明：將已經過聚類結果寫回文件
?參數：
?char* fileName;??? //要寫入的文件名
?返回值： true??? */
?bool ClusterAnalysis::WriteToFile(char* fileName )
?{
???? ofstream of1(fileName);??????????????????????????????? //初始化文件輸出流
???? for(unsigned long i=0; i<dataNum;i++)??????????????? //對處理過的每個數據點寫入文件
???? {
???????? for(int d=0; d<DIME_NUM ; d++)??????????????????? //將維度信息寫入文件
???????????? of1<<dadaSets[i].GetDimension()[d]<<'/t';
???????? of1 << dadaSets[i].GetClusterId() <<endl;??????? //將所屬簇ID寫入文件
???? }
???? of1.close();??? //關閉輸出文件流
???? return true;??? //返回
?}
?/*
?函數：設置數據點的領域點列表
?說明：設置數據點的領域點列表
?參數：
?返回值： true;??? */
?void ClusterAnalysis::SetArrivalPoints(DataPoint& dp)
?{
???? for(unsigned long i=0; i<dataNum; i++)??????????????? //對每個數據點執行
???? {
???????? double distance =GetDistance(dadaSets[i], dp);??? //獲取與特定點之間的距離
???????? if(distance <= radius && i!=dp.GetDpId())??????? //若距離小于半徑，并且特定點的id與dp的id不同執行
???????????? dp.GetArrivalPoints().push_back(i);??????????? //將特定點id壓力dp的領域列表中
???? }
???? if(dp.GetArrivalPoints().size() >= minPTs)??????????? //若dp領域內數據點數據量> minPTs執行
???? {
???????? dp.SetKey(true);??? //將dp核心對象標志位設為true
???????? return;??????????????? //返回
???? }
???? dp.SetKey(false);??? //若非核心對象，則將dp核心對象標志位設為false
?}
?
?/*
?函數：執行聚類操作
?說明：執行聚類操作
?參數：
?返回值： true;??? */
?bool ClusterAnalysis::DoDBSCANRecursive()
?{
???? unsigned long clusterId=0;??????????????????????? //聚類id計數，初始化為0
???? for(unsigned long i=0; i<dataNum;i++)??????????? //對每一個數據點執行
???? {
???????? DataPoint& dp=dadaSets[i];??????????????????? //取到第i個數據點對象
???????? if(!dp.isVisited() && dp.IsKey())??????????? //若對象沒被訪問過，并且是核心對象執行
???????? {
???????????? dp.SetClusterId(clusterId);??????????????? //設置該對象所屬簇ID為clusterId
???????????? dp.SetVisited(true);??????????????????? //設置該對象已被訪問過
???????????? KeyPointCluster(i,clusterId);??????????? //對該對象領域內點進行聚類
???????????? clusterId++;??????????????????????????? //clusterId自增1
???????? }
???????? //cout << "孤立點/T" << i << endl;
???? }
???? cout <<"共聚類" <<clusterId<<"個"<< endl;??????? //算法完成后，輸出聚類個數
???? return true;??? //返回
?}
?/*
?函數：對數據點領域內的點執行聚類操作
?說明：采用遞歸的方法，深度優先聚類數據
?參數：
?unsigned long dpID;??????????? //數據點id
?unsigned long clusterId;??? //數據點所屬簇id
?返回值： void;??? */
?void ClusterAnalysis::KeyPointCluster(unsigned long dpID, unsigned long clusterId )
?{
???? DataPoint& srcDp = dadaSets[dpID];??????? //獲取數據點對象
???? if(!srcDp.IsKey())??? return;
???? vector<unsigned long>& arrvalPoints = srcDp.GetArrivalPoints();??????? //獲取對象領域內點ID列表
???? for(unsigned long i=0; i<arrvalPoints.size(); i++)
???? {
???????? DataPoint& desDp = dadaSets[arrvalPoints[i]];??? //獲取領域內點數據點
???????? if(!desDp.isVisited())??????????????????????????? //若該對象沒有被訪問過執行
???????? {
???????????? //cout << "數據點/t"<< desDp.GetDpId()<<"聚類ID為/t" <<clusterId << endl;
???????????? desDp.SetClusterId(clusterId);??????? //設置該對象所屬簇的ID為clusterId，即將該對象吸入簇中
???????????? desDp.SetVisited(true);??????????????? //設置該對象已被訪問
???????????? if(desDp.IsKey())??????????????????? //若該對象是核心對象
???????????? {
???????????????? KeyPointCluster(desDp.GetDpId(),clusterId);??? //遞歸地對該領域點數據的領域內的點執行聚類操作，采用深度優先方法
???????????? }
???????? }
???? }
?}
?//兩數據點之間距離
?/*
?函數：獲取兩數據點之間距離
?說明：獲取兩數據點之間的歐式距離
?參數：
?DataPoint& dp1;??????? //數據點1
?DataPoint& dp2;??????? //數據點2
?返回值： double;??? //兩點之間的距離??????? */
?double ClusterAnalysis::GetDistance(DataPoint& dp1, DataPoint& dp2)
?{
???? double distance =0;??????? //初始化距離為0
???? for(int i=0; i<DIME_NUM;i++)??? //對數據每一維數據執行
???? {
???????? distance += pow(dp1.GetDimension()[i] - dp2.GetDimension()[i],2);??? //距離+每一維差的平方
???? }
???? return pow(distance,0.5);??????? //開方并返回距離
?}
