数据挖掘-07、08-new.docVIP

数据挖掘结课报告 K-平均值算法 院 别 专姓名 指导教师 简介：K-平均值算法是一种经典的聚类算法，在模式识别中得到了广泛的应用K-平均值和应用于混合高斯模型的受限EM算法是一致的。高斯混合模型广泛用于数据挖掘、模式识别、机器学习、统计分析。K的迭代步骤可以看成E步和M步，E：固定参数类别中心向量重新标记样本，M：固定标记样本调整类别中心向量。K均值只考虑（估计）了均值，而没有估计类别的方差，所以聚类的结构比较适合于特征协方差相等的类别。 K　K-平均值算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 K算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。 首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然 后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。该算法的最大优势在于简洁和快速。算法的关键在于初始中心的选择和距离公式。 step.1---初始化距离step.2---计算样本step.3---计算现在每个簇的质心，进行更新，判断新质心是否与原质心相等，若相等，则迭代结束，若不相等，回到step2继续迭代。 （3）流程图 C++代码 #include iostream #include math.h #include vector #define _NUM 3 //预定义划分簇的数目 using namespace std; // 特征对象，表示一个点坐标，有两个数值属性 struct Point { int x; int y; }; // 计算簇的中心点，在此以簇中所有对象的平均距离来计算中心点 Point CentualP(vectorPoint c) { int num = c.size(); double cenX = 0, cenY = 0; Point t; for (int i = 0; i num; i++) { cenX += c[i].x; cenY += c[i].y; } t.x = cenX / num; t.y = cenY / num; return t; } // 计算算法的准则函数值，当准则函数值收敛时算法停止 double countE(vectorPoint classes[], Point cen[]) { double sum = 0; for (int i = 0; i _NUM; i++) { vectorPoint v = classes[i]; for (int j = 0; j v.size(); j++) { sum += (v[j].x - cen[i].x)*(v[j].x - cen[i].x) + (v[j].y - cen[i].y)*(v[j].y - cen[i].y); } } coutsum:sumendl; return sum; } // 对当前的特征对象，查找与其最临近（即到簇中心点的距离最短）的簇 int searchMinC(Point t, Point cen[_NUM]) { int c = 0; int d = (t.x - cen[0].x)*(t.x -