聚类算法-Hierarchical(MIN)-C++

程序流程图：

Hierarchical(MIN)核心功能函数，采用vector<vector<float> >::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 Algorithm15S103182Ethan*/#include <iostream>#include <sstream>#include <fstream>#include <vector>#include <iterator>#include <cmath>#include <stack> #include <limits>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<node> 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<<i;sf>>score;return score;}vector<point> openFile(const char* dataset){fstream file;file.open(dataset,ios::in);if(!file)     {        cout <<"Open File Failed!" <<endl;        vector<point> a;        return a;    } vector<point> 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!"<<endl;return data;}float squareDistance(point a,point b){return sqrt((a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y));}void HierarchicalClustering(vector<point> dataset,int clusters){//Similarity table：distance table vector<vector<float> > dTable;for(int i=0;i<dataset.size();i++){vector<float> temp;for(int j=0;j<dataset.size();j++){if(j>i)temp.push_back(squareDistance(dataset[i],dataset[j]));else if(j<i)temp.push_back(dTable[j][i]);elsetemp.push_back(0);    }dTable.push_back(temp);}int len = dataset.size();cout<<"len:"<<len<<endl;while(dataset.size()>clusters){//Merge two closest clustersfloat minDt =INT_MAX;int mi,mj;for(int i=0;i<dTable.size();i++){for(int j=i+1;j<dTable[i].size();j++){ if(dTable[i][j]<minDt){ minDt = dTable[i][j]; mi = i; mj = j; }}}for(int i=0;i<dataset[mj].nds.size();i++){dataset[mi].nds.push_back(dataset[mj].nds[i]);}//rmvector<point>::iterator imj = dataset.begin();imj += mj;dataset.erase(imj);//Update the dTablefor(int j=0;j<dTable.size();j++){if(j==mi||j==mj) continue;if(dTable[mi][j]>dTable[mj][j]){dTable[mi][j] = dTable[mj][j];dTable[j][mi] = dTable[mi][j];}}//rmvector<vector<float> >::iterator ii = dTable.begin();ii += mj;dTable.erase(ii);for(int i=0;i<dTable.size();i++){vector<float>::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.size();i++){for(int j=0;j<dataset[i].nds.size();j++)clustering<<dataset[i].nds[j].x<<","<<dataset[i].nds[j].y<<","<<i+1<<"\n";}cout<<dataset.size();clustering.close();}int main(int argc, char** argv) {vector<point> 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。