c++实现组平均凝聚式聚类

最新推荐文章于 2025-01-16 00:15:00 发布

zero_only

最新推荐文章于 2025-01-16 00:15:00 发布

阅读量1.7k

点赞数 4

文章标签： c++ 信息检索

本文链接：https://blog.youkuaiyun.com/zero_only/article/details/106461526

版权

本文介绍了凝聚式层次聚类的概念，特别是自底向上的聚类方法，也称为HAC。讨论了单链接、全链接、质心和组平均四种聚类算法。重点讲解了在信息检索任务中，如何使用C++实现组平均方法，虽然实际代码可能因理解错误而采用了质心法，且效率不高。文章提供了相关代码和效果预览。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

凝聚式层次聚类

层次聚类可以是自顶向下或自底向上的一个过程。自底向上的算法一开始将每篇文档都看成是一个簇，然后不断地对簇进行两两合并（或称凝聚（agglomerate）），直到所有文档都聚成一类为止。自底向上的聚类方法也因此被称为 HAC。
根据簇的相似度计算方式可以分为单链接，全链接，质心，组平均四种HAC聚类算法。
在这里插入图片描述
例如：簇1有点a（1，2）和b（5,3），簇2有点x（2,3）和y（7,4）
有距离矩阵dis【2】【2】；
则根据单链接：簇相似度=min（dis[a,x],dis[a][y],dis[b][x],dis[b][y]）
全链接：簇相似度=max（dis[a,x],dis[a][y],dis[b][x],dis[b][y]）
质心：簇相似度=ave（dis[a,x],dis[a][y],dis[b][x],dis[b][y]）
组平均：簇相似度=ave（dis[a,x],dis[a][y],dis[b][x],dis[b][y]，dis[a][b],dis[x][y]）

这次信息检索让用组平均做hac，但时间紧匆忙赶出来的情况下，理解错了组平均的计算方式，现在看来，是按照质心法做的，而且是最笨的方式，效率极低。现在暂时也懒得改了。附上组平均HAC的高效计算公式
在这里插入图片描述

代码

//
HAC.h

#pragma once
#include<vector>
using namespace std;


struct Position
{
   
	double a;
	double b;
	double c;
	double d;
	double e;
};

struct Cluster
{
   
	vector<int> pointindex;
	int clusterID;
	vector<double> avedistance;
};
struct Point
{
   
	Position position;
	int pointID;
};
class HAC
{
   
private:
	vector<Point> point;
	vector< Cluster> cluster;
	double distance[20][20];	//点对距离矩阵
	int minindex[2];		//最小组平均的两个簇序号

public:
	HAC();
	~HAC(){
   }
	void calave();		//计算组平均距离
	void merge();		//求最小组平均，合并簇
	void print();		//显示每次合并的情况
};

// HAC.cpp

#include "HAC.h"
#include<time.h>
#include<math.h>
#include<algorithm>
#include <iostream>
#include <iomanip>

HAC::HAC() {
   
	//向量初始化
	int a, b, c, d, e;
	double sum;
	Point pointtemp;
	Cluster clustertemp;
	srand((unsigned)time(NULL));//time()用系统时间初始化种。为rand()生成不同的随机种子。
	cout << "初始随机生成的20个经过归一化的五维向量为：" << endl;
	for (int i = 0; i < 20; i++)
	{
   
		a = rand() % 100 + 1;//生成1~100随机数
		b = rand() % 100 + 1;
		c = rand() % 100

最低0.47元/天解锁文章