基于K中心点数据挖掘课程设计论文原创.docVIP

数据挖掘论文 PAGE  PAGE 18 基于K-中心点算法实现 算法描述 k中心点算法：首先为每一个簇随意选择一个代表对象；剩余的对象其与代表的对象的距离分配给最近的一个簇。然后反复的用非代表对象来替代代表对象，以改进聚类的质量。聚类结果的质量用一个代价函数来估算，该函数度量对象与其参与对象之间的平均相异度。为了确定非代表对象是否是当前代表对象的好的替代，对于每一个非代表对象P，考虑以下四种情况。 第一种情况：P当前隶属于代表对象。如果被所取代作为代表对象，并且P离其他代表对象(ij)最近，则P重新分配给。 第二种情况：P当前隶属于代表对象。如果被所取代作为代表对象，并且P离其他代表对象最近，则P重新分配给。 第三种情况：P当前隶属于代表对象，(ij)。如果被所取代作为代表对象，并且P离其他代表对象最近，则对象的隶属不发生变化。 第四种情况：P当前隶属于代表对象，(ij)。如果被所取代作为代表对象，并且P离其他代表对象最近，则P重新分配给。 下面是我们这次实现这个k中心点算法的具体描述 输入：结果簇的个数k和包含n个对象的数据集合 输出：k个簇的集合，使得所有对象与其最近中心点的相异度总和最小 方法： 从n个对象的集合中随意选取k个对象作为初始化的中心点； repeat； 将每个剩余的对象指派到最近的中心点所代表的簇； 随机地选择一个非代表对象; 计算用交换代表对象Oj的总代价S; If S0，then 用替换，形成新的k个代表对象的集合 until 不发生簇的重新分配。 算法实现 为了实现k中心点算法我们采用的是语言是C#，开发工具是Micrsoft Visual Stdio 2008,数据库SQL Server2000，为了简单的进行模拟，我们使用了3维数据进行开发，下面将介绍主要的我们软件的主要实现过程。 数据库设计： 为了进行实现k中心点算法进行数据挖掘分类，我们设计了一个非常简单的数据库，里面主要有一张关于人的分类，我们采用了人的年龄（age）、身高(height)、体重(weight)三个指标进行算法的模拟。 主要算法代码 调用数据库，把数据库中的数据提取出来进行挖掘。下面是代码 /// summary /// 初始化数据库对象 /// /summary DsStaffDataContext DataContext = new DsStaffDataContext(); /// summary /// 获取数据库表中数据 /// /summary /// returns/returns public ListStaff GetStaff() { //用链表List初始化数据对象 ListStaff aStaff = new ListStaff(); //查询数据库中的Staff表 var StaffTable = from p in DataContext.Staffs select p; //遍历查询出来的表，然后将每一条记录放入初始化的链表List对象aStaff中 foreach (Staff aStaffRow in StaffTable) { aStaff.Add(aStaffRow); } return aStaff; } 从n个对象的集合中随意选取k个对象作为初始化的中心点，下面是实现的函数： /// summary /// 初始化中心点 /// /summary /// param name=k分成k簇/param /// param name=OrgionListStaff原数据/param /// param name=ChangedListStaff改变后数据/param /// returns/returns public ListStaff InitCentainPoint(int k, ListStaff OrgionListStaff, out ListStaff ChangedListStaff) {