模糊c均值聚类算法的c++实现

最新推荐文章于 2025-05-28 13:32:14 发布

原创

最新推荐文章于 2025-05-28 13:32:14 发布 · 1.3k 阅读

10 ·

CC 4.0 BY-SA版权

本文介绍了如何使用C++实现模糊c均值（FCM）聚类算法，包括初始化聚类中心、计算距离、更新隶属度矩阵和聚类中心，以及根据距离判断停止条件。在算法实现过程中，注意点的随机初始化可能导致分类错误，但在大量数据情况下可忽略。同时，当点接近某一聚类中心时，其隶属度被设置为1，其他为0。欢迎交流讨论。

首先输入点的个数，维度，分类数目

我的代码FCM中主要过程如下：

1：(init_c函数)随机初始化聚类中心

2：(comp_dis函数)计算每个点到每个聚类距离 dis[i][j] 表示i点到j聚类中心的距离

3：(while(1))进入循环

4：(comp_u函数)计算隶属度矩阵u[i][j]表示i点对应j聚类中心的隶属度

5：(update_c函数)根据隶属度和每个点的位置更新聚类中心

6：(compdis函数)因为聚类中心更新了嘛，再重新计算下每个点到每个聚类中心的距离

7：(comp_obj_func函数)计算函数值差值如果小于设定值eps则进行第8步，否则进行第9步

8：(break)退出循环

9：根据每个点的隶属度情况，给每个点分类（距离哪个聚类中心近，就给谁）

注意事项：

1.如果点很少的话，可能在我的初始化聚类中心函数中会有相同的点，造成分类错误，但实际应用中，点数足够多的情况则这个概率可以忽略

2.在计算隶属度的函数中，如果一个点距离一个聚类中心足够的近，那么直接将它的隶属度设置成1，其他的为0

其他：

如果有错误和疑问欢迎探讨，望多多指教！

#include<iostream>
#include<cstdio>
#include<vector>
#include<fstream>
#include<cmath>
#include<ctime>
#include<cstdlib>
using namespace std;
struct Mode
{
    int x,y;
    int di;
    vector<double> datas;
};
typedef vector<vector<Mode> > ModeVec;
const int N=1000;
const double eps=1e-2;
const double eps_dis=1