聚类算法-DBSCAN-C++优化算法

最新推荐文章于 2025-01-24 00:15:00 发布

原创

最新推荐文章于 2025-01-24 00:15:00 发布 · 1.6k 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #聚类 #c++

本文介绍了一种DBSCAN聚类算法的C++实现及其优化方法。通过减少距离计算和使用全局变量等手段，使得运行时间从2000ms降低到100ms左右，提升了近20倍效率。

聚类算法-DBSCAN-C++优化算法

在聚类算法-DBSCAN-C++实现的基础上做了优化，优化前本人测试对900左右个点进行聚类，用时2000ms左右，经过优化后的算法用时在100ms左右，提升了近20倍。

优化前主要耗时的地方：

float squareDistance(point a,point b){
   
   
	return sqrt((a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y));
}

这个函数涉及到平方和再开方，在做聚类时，每一次循环都在调用它，并且聚类算法中含有很多次循环，还有两层for循环嵌套的地方也在调用这个函数，所以计算起来很耗时。

优化思路：

减少squareDistance(point a,point b)的计算量:
假设有900个点，在优化前的算法中对这900个点中每两个点之间都会计算距离，因为有很多个for循环，所以做了很多次900个点的距离计算。优化的思路就是减少squareDistance(point a,point b)的运算量，将每个点的x的平方和y的平方提前算出来，保存起来，用的时候直接取出来使用。
将for循环的局部变量变为全局变量，用空间换时间（对空间要求有限制的这里可以不改）
将i++换为++i
对于循环次数比较大的时候，++i会比i++省时间（具体原理可以参考++i和i++的具体实现）

代码实现：

#include <iostream>
#include <sstream>
#include <fstream>
#include <vector>
#include <ctime>
#include <cstdlib>
#include <limits>
#include <cmath>
#include <stack>

using namespace std;

int i;
int j;
float datax[1000];
float datay[1000];
float cdatax[1000];
float cdatay[1000];
class point{
   
   
public:
	float x;
	float y;
	int cluster=0;
	int pointType=1;//1 noise 2 border 3 core
	int pts=0;//points in MinPts 
	vector<int> corepts;
	int visited = 0;
	point (){
   
   }
	point (float a,float b,int c){
   
   
		x = a;
		y = b;
		cluster = c;
		pointType = 1;
		pts = 0;
		visited = 0
	}
};
float stringToFloat(string i){
   
   
	stringstream sf;
	float score=0;
	sf<<i;
	sf>>score;
	return score;