K-MEANS算法分析和总结.docxVIP

数据挖掘中的 K-MEANS 算法，一个聚类算法。 #include stdio.h #include stdlib.h #include math.h #define NA 4 /* 数据维数 */ #define K 3 /* 聚类数 */ #define Psize 50 /* 种群大小 */ #define T 30 /* 最大迭代数 */ #define ED 0.0000001 /* 结束条件 */ typedef struct { double double p[NA]; distance[K]; }Point; typedef struct { Point clu_cent[K]; int cluster[K][Psize]; /* /* 即 cluster_center 簇类中心 */ 簇类数组 */ int cluster_num[K]; /* 簇类中一组数据的编号 */ double fitness; /* 样本适应度值,用于判断结束条件 */ double old_fitness; /* 前一次迭代的适应度值 */ }Pop; double Je; /* 所有样本的平方误差和 */ /* 声明函数 */ int Is_equal(int a[], int n, int b); double Euclid(int x, int y); void input_data(); void Init_center(); void calculate_distance(); void Make_new_cluster(); void Make_new_center(); void output_info(int flag); Point all_data[Psize]; /* 数据大小 */ Pop pop; /************************************************ 从外部文件导入数据，对于没有数据文件将报错， * 数据文件的格式根据 NA 决定，例如 NA = 4 时，测 * 试数据为四维，则 test.data 为： * * 1 2 3 4 * * * 1.0 1.2 ...... 1.3 1.4 * * * ...... * ***********************************************/ void input_data() { FILE *infile; int i, j; double data; if((infile = fopen(test.data, r)) == NULL){ printf(没有 test.data 这个文件，无法导入数据\n); exit(1); } for(i = 0; i Psize; i++) for(j = 0; j NA; j++){ fscanf(infile, %lf, data); all_data[i].p[j] = data; // printf(%d --%d %lf\n, i, j, all_data[i].p[j]); } fclose(infile); /* 关闭文件描述符 */ } /*************************************************** 随机初始化聚类质心，当随机数有相同时跳过继续执行* **************************************************/ void Init_center() { int i, j; int num = 0; int rand_num; int rand_num_tmp[K]; /* 随机产生三个 0～Psize 的数 */ while(num K){ rand_num = rand() % Psize; if(!Is_equal(rand_num_tmp, num, rand_num)) rand_num_tmp[num++] = rand_num; } for(i = 0; i K; i++){ // printf(初始化质心%d:\n, i + 1); for(j = 0; j NA; j++){ pop.clu_cent[i].p[j] = all_data[rand_num_tmp[i]].p[j]; // printf(%lf ,pop.clu_cent[i].p[j]); } printf(\n); } } /********************************** 检查数据是否有相等,相等返回 1 * *********************************/ int Is_equal(int a[], int n