A. 关于递归算法求二叉树深度算法
u,v 分别求出当前节点左子树和右子树的深度（高度），
然后当前节点的 深度就等于左右子树里面较大的那个+1.
if (u>n) return (u+1)
return (v+1)
这句就是返回较深的+1.
u=height(T->lchild);
v=height(T->rchild);
这两句就是递归的调用，求深度了。
if (T==NULL) return 0;
这个就是终止条件了，如果没有子节点就返回。
B. 孤立森林（Isolation Forest）算法简介
孤立森林算法是一种适用于连续数据的无监督异常检测方法，由南京大学周志华教授等人于2008年首次提出，之后又于2012年提出了改进版本。与其他异常检测算法通过距离，密度等量化指标来刻画样本间的疏离程度不同，孤立森林算法通过对样本点的孤立来检测异常值。具体来说，该算法利用一种名为孤立树 的二叉搜索树结构来孤立样本。由于异常值的数量较少且与大部分样本的疏离性，因此，异常值会被更早的孤立出来，也即异常值会距离 的根节点更近，而正常值则会距离根节点有更远的距离。此外，相较于LOF，K-means等传统算法，孤立森林算法对高纬数据有较好的鲁棒性。
我们先给出孤立树(Isolation Tree)和样本点 在孤立树中的路径长度 的定义
孤立树 ：若 为孤立树的一个节点， 存在两种情况：没有子节点的外部节点，有两个子节点 和一个test的内部节点。在 的test由一个属性 和一个分割点 组成， 的点属于 ,反之属于 。
样本点 在孤立树中的路径长度 :样本点 从 的根节点到叶子节点经过的边的数量
从下图我们可以直观的看到，相对更异常的 只需要4次切割就从整体中被分离出来，而更加正常的 点经过了11次分割才从整体中分离出来。这也体现了孤立森林算法的基本思想。(ps:图片来自原论文)
下面，我们来详细介绍孤立森林算法。该算法大致可以分为两个阶段，第一个阶段我们需要训练出 颗孤立树，组成孤立森林。随后我们将每个样本点带入森林中的每棵孤立树，计算平均高度，之后再计算每个样本点的异常值分数。
Step1: 为给定数据集, ,从 中随机抽取 个样本点构成 的子集 放入根节点。
Step2:从 个维度中随机指定一个维度 ，在当前数据中随机产生一个切割点 ， 。
Step3:此切割点 生成了一个超平面，将当前数据空间划分为两个子空间：指定维度小于p的样本点放入左子节点，大于或等于p的放入右子节点。
Step4:递归Step2和Step3，直至所有的叶子节点都只有一个样本点或者孤立树 已经达到指定的高度。
Step5:循环Step1至Step4，直至生成 个孤立树
第二阶段：
Step1: 对于每一个数据点 ,令其遍历每一颗孤立树 ,计算点 在森林中的平均高度 ,对所有点的平均高度做归一化处理。异常值分数的计算公式如下所示：
其中，
参考： https://dl.acm.org/citation.cfm?doid=2133360.2133363
C. c语言数据结构求森林的深度的递归算法
d1代表，如果不是这个第一个左孩子不是空树，它就会一直找下去，直到找到最后，记下左孩子的深度
d2代表，如果不是这个第一个右孩子不是空树，它就会一直找下去，直到找到最后，记下右孩子的深度
当然每次都会返回的左右深度的最大值，因为你要找的是森林的深度。
如果你不明白的话，你可以看一个比较简单的，就是求树的深度，再简单的就是求二叉树的深度，当这些深度你都会求了，森林的自然而然就会了。呵呵呵
不知道对你有没有帮助啊