k-means聚类分析的C++实现

K-means即为 1967年 MacQueen首次提出的 K均值聚类算法，在许多实践应用中取得了很好的效果，下面对 k-means算法做简要介绍。

设数据集由n个对象组成，预备分成k类，初始化时，从n个数据对象   中随机选取k个 作为簇的初始均值，对剩余数据对象，计算其与各个簇均值的距离，从而将其指派到最相似的簇。指派完毕后，重新计算各个簇的均值，并对各个数据对象重新进行指派。如此重复直至准则函数式（所有数据对象与所在簇的均值的差的平方相加） 收敛。

此种聚类方法的缺陷：

1. K值的选择与问题域相关，通常用户需选择若干个 k值实验，从而得到最佳分类的数目。
2. 由于初始化时对簇均值的选择是随机的，即使对于同一个k值，最终聚类结果一般来说也是不相同的，并且很可能导致最终结果得到的不是k个聚类。为了减少这种情况的发生，我在程序中加入了简单的处理方法：每进行一轮数据对象指派，便检查是否有空簇，随机选取一个数据对象作为空簇的新的均值。
3. 传说对脏数据很敏感，但是我不知道如何验证。

总之，这种聚类方法比较适合对大量数据做初步聚类，一般来说聚类结果可以采用多次执行聚类分析后较稳定的结果，也就是出现次数较多的那个聚类结果。

而对于我的程序（附件里下载源码）本身，命名还是不规范（总是忧愁取啥名），代码还不够简洁，我努力改，愿下次贴代码的时候有很大的进步，也欢迎各位批判。

附件下载解压后，在VS下新建一个项目，然后在相应位置添加相应文件后编译执行。

本文出自 “小罗啦啦” 博客，请务必保留此出处http://2201034.blog.51cto.com/2191034/756431