K-均值聚类算法实验报告-模式识别-C.docVIP

040930520 吴非 模式识别实验报告 K-均值聚类算法实验报告 试验目的 通过对K-均值算法的编程实现，加强对该算法的理解和认识。提高自身的知识水平和编程能力，认识模式识别在生活中的应用。 算法思想 K-均值算法的主要思想是先在需要分类的数据中寻找K组数据作为初始聚类中心，然后计算其他数据距离这三个聚类中心的距离，将数据归入与其距离最近的聚类中心，之后再对这K个聚类的数据计算均值，作为新的聚类中心，继续以上步骤，直到新的聚类中心与上一次的聚类中心值相等时结束算法。 子函数 int judge(float i,float j,float k) judge用来判断元素属于哪个聚类，返回元素所在的聚类值（1,2，3）. 算法流程图 开 始 开 始 读入要分类的数据 设置初始聚类中心 计算数据到K个聚类中心的距离 将数据分入与其距离最小的聚类 计算新的聚类中心 聚类中心是否收敛？ 否 输出K个分类好的聚类 结 束 是 实验代码 #includeiostream.h #includefstream.h #includestdlib.h #define COUNT 150 //数据个数 struct data { float dx; float dy; float dz; f