基于C++的最大最小聚类算法实现

一、          算法简介

1.   简介：

最大最小距离法是模式识别中一种基于试探的类聚算法，它以欧式距离为基础，取尽可能远的对象作为聚类中心。因此可以避免K-means法初值选取时可能出现的聚类种子过于临近的情况，它不仅能智能确定初试聚类种子的个数，而且提高了划分初试数据集的效率。

    该算法以欧氏距离为基础，首先初始一个样本对象作为第1个聚类中心，再选择一个与第1个聚类中心最远的样本作为第2个聚类中心，然后确定其他的聚类中心，直到无新的聚类中心产生。最后将样本按最小距离原则归入最近的类。

2.   算法流程

1)       从N个样本集中的任选取一个样本，作为第一个聚类中心z1；

2)       选取距离第一个聚类中心z1最远的样本作为第二个聚类中心z2；

3)       计算其余样本与z1、z2之间的距离，并求出它们中的最小值，即：

 

4)       若：(θ为选定的比例系数)

则相应的样本xl作为第三个聚类中心z3,转至下一步继续判断是否存在新的聚类中心，否则转至第六步；

5)       假设存在k个聚类中心，计算各样本到各个聚类中心的距离dij，并算出：

若成立，则zk+1=xl,并循环此步骤，继续判断是否有新的聚类中心存在，否则转至第六步；

6)       当判断不再有新的聚类中心存在时，将样本集按最小距离原则分到各类中去，即计算：

二、          算法实现

1.   实验数据—data.txt

l  文件内容

d=2 n=150

5.1  3.5

4.9  3

4.7  3.2

4.6  3.1

…</