近邻聚类算法 c++代码

以下是一个使用C语言实现的简单近邻聚类算法的代码示例：

#include <stdio.h>
#include <stdlib.h>
#include <math.h>

#define NUM_POINTS 10
#define DIMENSIONS 2
#define CLUSTER_THRESHOLD 2.0

typedef struct {
    double x;
    double y;
} Point;

double get_distance(Point p1, Point p2) {
    double dx = p2.x - p1.x;
    double dy = p2.y - p1.y;
    return sqrt(dx*dx + dy*dy);
}

int main() {
    Point points[NUM_POINTS] = {{1, 2}, {3, 4}, {5, 6}, {7, 8}, {9, 10},
                                {11, 12}, {13, 14}, {15, 16}, {17, 18}, {19, 20}};
    int cluster_id[NUM_POINTS];    int num_clusters = 0;

    for (int i = 0; i < NUM_POINTS; i++) {
        cluster_id[i] = -1;
    }

    for (int i = 0; i < NUM_POINTS; i++) {
        if (cluster_id[i] == -1) {
            cluster_id[i] = num_clusters;
            num_clusters++;

            for (int j = i+1; j < NUM_POINTS; j++) {
                if (cluster_id[j] == -1) {
                    double distance = get_distance(points[i], points[j]);
                    if (distance <= CLUSTER_THRESHOLD) {
                        cluster_id[j] = cluster_id[i];
                    }
                }
            }
        }
    }

    for (int i = 0; i < NUM_POINTS; i++) {
        printf("Point (%f, %f) belongs to cluster %d\n", points[i].x, points[i].y, cluster_id[i]);
    }

    return 0;
}

这个代码示例中，我们定义了一个包含10个二维点的数组，然后使用近邻聚类算法将这些点进行聚类。首先，我们初始化每个点的聚类标识为-1，表示未被分配到任何聚类。然后，遍历每个点，如果该点未被分配到聚类，则将其作为新聚类的起始点，并将其聚类标识设置为当前聚类数。接下来，遍历剩余的未分配点，计算与当前起始点的距离，如果距离小于等于阈值，将其分配到同一聚类，并将其聚类标识设置为当前聚类数。最后，打印每个点所属的聚类。

请注意，这只是一个简单的示例，并且在实际应用中可能需要根据具体需求进行修改和优化。