K-MEANS算法的C++实现

#include <stdio.h> #include <stdlib.h> #include <math.h> #define NA 4 /* 数据维数 */ #define K 3 /* 聚类数 */ #define Psize 50 /* 种群大小 */ #define T 30 /* 最大迭代数 */ #define ED 0.0000001 /* 结束条件 */ typedef struct { double p[NA]; double distance[K]; }Point; typedef struct { Point clu_cent[K]; /* 即cluster_center 簇类中心 */ int cluster[K][Psize]; /* 簇类数组 */ int cluster_num[K]; /* 簇类中一组数据的编号 */ double fitness; /* 样本适应度值,用于判断结束条件 */ double old_fitness; /* 前一次迭代的适应度值 */ double Je; /* 所有样本的平方误差和 */ }Pop; /* 声明函数 */ int Is_equal(int a[], int n, int b); double Euclid(int x, int y); void input_data(); void Init_center(); void calculate_distance(); void Make_new_cluster(); void Make_new_center(); void output_info(int flag); Point all_data[Psize]; /* 数据大小 */ Pop pop; /************************************************ * 从外部文件导入数据，对于没有数据文件将报错， * * 数据文件的格式根据 NA 决定，例如NA = 4时，测 * * 试数据为四维，则test.data 为： * * 1 2 3 4 * * 1.0 1.2 1.3 1.4 * * ...... * * ...... * ***********************************************/ void input_data() { FILE *infile; int i, j; double data; if((infile = fopen("test.data", "r")) == NULL){ printf("没有test.data这个文件，无法导入数据/n"); exit(1); } for(i = 0; i < Psize; i++) for(j = 0; j < NA; j++){ fscanf(infile, "%lf", &data); all_data[i].p[j] = data; // printf("%d --%d %lf/n", i, j, all_data[i].p[j]); } fclose(infile); /* 关闭文件描述符 */ } /*************************************************** * 随机初始化聚类质心，当随机数有相同时跳过继续执行* **************************************************/ void Init_center() { int i, j; int num = 0; int rand_num; int rand_num_tmp[K]; /* 随机产生三个0～Psize的数 */ while(num < K){ rand_num = rand() % Psize; if(!Is_equal(rand_num_tmp, num, rand_num)) rand_num_tmp[num++] = rand_num; } for(i = 0; i < K; i++){ // printf("初始化质心%d:/n", i + 1); for(j = 0; j < NA; j++){ pop.clu_cent[i].p[j] = all_data[rand_num_tmp[i]].p[j]; // printf("%lf ",pop.clu_cent[i].p[j]); } printf("/n"); } } /********************************** * 检查数据是否有相等,相等返回1 * *********************************/ int Is_equal(int a[], int n, int b) { int i; for(i = 0; i < n; i++) if(a[i] == b) return 1; return 0; } /******************************************** * 计算Psize组数据到K个质心的欧几里德距离* *******************************************/ void calculate_distance() { int i, j; for(i = 0; i < Psize; i++) for(j = 0; j < K; j++){ all_data[i].distance[j] = Euclid(i, j); // printf("%d---%d--- %lf /n", i, j, all_data[i].distance[j]); } } /************************************************ * 此函数为欧几里德距离公式函数,此处用于计算* * 一组数据到对应簇中心的欧几里德距离。 * ***********************************************/ double Euclid(int x, int y) { int i; double distance = 0; for(i = 0; i < NA; i++){ distance += pow((all_data[x].p[i] - pop.clu_cent[y].p[i]), 2); } distance = sqrt(distance); return distance; } /************************ * 将数据进行簇集归类 * ***********************/ void Make_new_cluster() { int i, j; double min; for(i = 0; i < K; i++) /* 初始化编号 */ pop.cluster_num[i] = 0; for(i = 0; i < Psize; i++){ int index = 0; min = all_data[i].distance[0]; for(j = 1; j < K; j++){ /* 筛选到簇心欧几里德最小的 */ if(all_data[i].distance[j] < min){ min = all_data[i].distance[j]; index = j; } } /* 划分簇集 */ pop.cluster[index][pop.cluster_num[index]++] = i; } /* 计算所有样本的平方误差和 */ pop.Je = 0; for(i = 0; i < K; i++) for(j = 0; j < pop.cluster_num[i]; j++){ /* 样本到簇心的值即为其欧几里德距离 */ pop.Je +=pow(all_data[pop.cluster[i][j]].distance[i],2); } pop.old_fitness = pop.fitness; /* 前一次迭代适应度值 */ // printf("old_fitness = %lf/n", pop.old_fitness); pop.fitness = pop.Je; /* 所有样本平方误差和即为适应度值 */ } /************************************************* * 更新簇心，即求其群类的平均距离为新的簇心 * ************************************************/ void Make_new_center() { int i, j, n; double tmp_sum; for(i = 0; i < K; i++) for(j = 0; j < NA; j++){ tmp_sum = 0; for(n = 0; n < pop.cluster_num[i]; n++){ /* 第i个簇的第j维数的所有数据和 */ tmp_sum += all_data[pop.cluster[i][n]].p[j]; } /* 取平均数得到新的簇中心 */ pop.clu_cent[i].p[j] = tmp_sum / pop.cluster_num[i]; } } /******************************** * 输出信息函数 * * 显示格式为： * * 质心K: * * NA维的质心数据 * * 簇类K： * * NA维属于簇类K的数据 * * ...... * * ...... * *******************************/ void output_info(int flag) { int i, j, n; for(i = 0; i < K; i++){ if(flag == 0){ printf("初始化质心%d:/n", i + 1); for(n = 0; n < NA; n++) printf("%lf ",pop.clu_cent[i].p[n]); } else if(flag == 1){ printf("最终质心%d:/n", i + 1); for(n = 0; n < NA; n++) printf("%lf ",pop.clu_cent[i].p[n]); } printf("/n簇类%d:/n", i + 1); for(j = 0; j < pop.cluster_num[i]; j++){ for(n = 0; n < NA; n++){ printf("%lf ", all_data[pop.cluster[i][j]].p[n]); } printf("/n"); } } } /******************************** * 主函数 * *******************************/ int main() { int i; double differ = 1; /* 适应度差值 */ int flag = 0; /* 用来标示是显示初始数据还是聚类后的数据 */ input_data(); /* 导入数据 */ Init_center(); /* 初始化质心 */ for(i = 0; (i < T) && (differ > ED); i++){ calculate_distance(); /* 计算欧几里德距离 */ Make_new_cluster(); /* 产生新的聚类 */ if(flag == 0){ output_info(flag); /* 输出第一次聚类后的结果 */ flag = 1; } Make_new_center(); /* 对新的聚类产生新的质心 */ differ = pop.old_fitness - pop.fitness; /* 判断条件 */ differ = fabs(differ); // printf("differ = %lf/n", differ); // printf("old_fitness = %lf/n", pop.old_fitness); // printf("fitness = %lf/n", pop.fitness); } printf("+++++++++++++++++++++++++++++++++++++++++++++++++++++++/n"); output_info(flag); /* 聚类后显示结果 */ return 0; }