数据挖掘报告,聚类分析.doc

PAGE PAGE 11 数据挖掘实验报告 班级： 姓名： 学号： 数据来源描述 本次数据挖掘实验的数据源来自加州大学计算机与信息院，是用于合成控制图时间序列聚类分析的一组数据。数据集中一共包含600组数据，每一组数据都有60个分量，也就是数据是60维的。数据一共可以分成6个聚类，分别是： 1-100 Normal （正常） 101-200 Cyclic （循环） 201-300 Increasing trend （增加趋势） 301-400 Decreasing trend （减少趋势） 401-500 Upward shift （上升变化） 501-600 Downward shift （下降变化） 数据预处理 由于本数据集的数据维数较多，所以本实验采用了结构体来存储60维的数据，并使用指针来进行对数据的操作，以提高速度。在数据预处理过程中，首先将数据从data文件中读出，后依次存入结构体数组dataset[600]中。 k-means聚类算法 　 k-means 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-means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-means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。 （1）算法思路： 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。 （2）算法步骤： step.1初始化距离K个聚类的质心（随机产生） step.2计算所有数据样本与每个质心的欧氏距离，将数据样本加入与其欧氏距离最短的那个质心的簇中（记录其数据样本的编号） 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。 数据挖掘实现的源代码 //111060850.cpp KMeans聚类算法 // #include stdafx.h #includeiostream #includemath.h #includestdlib.h #includestring #includefstream #includetime.h using namespace std; const int N=36000; //数据个数 const int D=60; //数据维度 struct DataSet{ //用来存储数据的结构体 double arg[D]; }; const int K=6; //集合个数 int *CenterIndex; //质心索引集合 //struct DataSet *Center; //质心集合 //struct DataSet *CenterCopy[]; DataSet Center[K]; //保存现在的质心 DataSet CenterCopy[K]; //保存上一次迭代中的质心 //double *DataSet; int Cluster[6][N/D]; //保存每个簇包含的数据的索引值 int *Top; ifstream fin; char ch; string fDataSet[N/D][D]; /*算法描述: kmeans聚类算法采用的是给定类的个数K,将N个元素(对象)分配到K个类中去 使得类内对象之间的相似性最大,而类之间的相似性最小 */ //数据存储在结构体中 //函数声明部分 void InitData(struct DataSet* dataset); //对数据集进行初始化，从文件中将其读取出后转化为double型依次存入结构体中 void InitCenter(struct DataSet* dataset); //初始化质心 void CreateRandomArray(int n,int k,int *centerIndex); //随机产生一组索引值，用于初