k-means算法使用C++ STL模板

　　以下记录本人使用VS2008对重庆某运营商WAP网关采集到的日志文件统计后的信息进行K-means算法

#include "stdafx.h"

#include<stdio.h>
#include<iostream>
#include<string>
#include<math.h>
#include<fstream>
#include<vector>
using namespace std;

struct Person                                    //定义用户结构体，包括电话号码，在线时长，一周会话数，点击量，上行流量，下行流量及聚类的号
{
    string calling_num;
    int duration;
    int sessNum;
    int clicks;
    int uplink;
    int downlink;
    int updownlink;
    int classid;
};
struct Clusterr                                   //每个类的中心点信息
{
    int duration;
    int sessNum;
    int clicks;
    int uplink;
    int downlink;
    //float updownlink;
    int classid;
};

void fileWrite(char *file,vector<Person> &persons)
{
    string c;
    Person person;
    ifstream sourcefile(file,ios::in);
    while(getline(sourcefile,c))
    {
        int temp[7]; int j=0;
        for(size_t i=0;i<c.size();i++)
        {
          if(c[i]==' ')
          {
            temp[j++]=i;
          }
        }
        person.calling_num=c.substr(0,temp[0]-1);
        person.duration=atoi(c.substr(temp[0]+1,temp[1]-temp[0]-1).c_str());
        person.sessNum=atoi(c.substr(temp[1]+1,temp[2]-temp[1]-1).c_str());
        person.clicks=atoi(c.substr(temp[2]+1,temp[3]-temp[2]-1).c_str());
        person.uplink=atof(c.substr(temp[3]+1,temp[4]-temp[3]-1).c_str())/1000;
        person.downlink=atof(c.substr(temp[4]+1,temp[5]-temp[4]-1).c_str())/1000;
        person.classid=0;
        persons.push_back(person);
    }
}

void initCenter(vector<Person> &persons,vector<Clusterr> &clusterCenter,int k)
{
    Clusterr temp;
    for(size_t i=0;i<k;i++)
    {
        temp.classid=i+1;    //initialize k clusters' center
        temp.clicks=persons[i].clicks;
        temp.downlink=persons[i].downlink;
        temp.duration=persons[i].duration;
        temp.sessNum=persons[i].sessNum;
        temp.uplink=persons[i].uplink;
        //temp.updownlink=float(persons[i].updownlink);
        clusterCenter.push_back(temp);
    }            
}


float dist(Person personer,Clusterr center)   //使用的是欧几里德距离进行计算
{
    float dis;
    float cc=abs(personer.clicks-center.clicks)+abs(personer.duration-center.duration)+abs(personer.uplink-center.uplink)+abs(personer.downlink-center.downlink)+abs(personer.sessNum-center.sessNum);
    dis = sqrt(cc);
    return dis;
}

int diss(Clusterr a,Clusterr b)
{
    int cc; float jj;
    jj=abs(a.clicks-b.clicks)+abs(a.duration-b.duration)+abs(a.sessNum-b.sessNum)+abs(a.uplink-b.uplink);
    cc=(int)sqrt(jj);
    return cc;
}
void k_means(vector<Person> &persons,vector<Clusterr> &clusterCenter,int temp)
{
    float distance=dist(persons[temp],clusterCenter[0]);
    float dis;
    persons[temp].classid=clusterCenter[0].classid;
    for(size_t t=1;t<clusterCenter.size();t++)
    {
        dis=dist(persons[temp],clusterCenter[t]);
        if(dis<distance)
        {
            persons[temp].classid=clusterCenter[t].classid;
            distance=dis;
        }
    }
}

int findSame(vector<Clusterr> past,vector<Clusterr> nowt)
{
    int findtemp=1;
    int du=2;
    if (diss(past[0],nowt[0])<du&&diss(past[1],nowt[1])&&diss(past[2],nowt[2])<du&&diss(past[3],nowt[3])<du)
        findtemp=0;
    return findtemp;
}

int centerUpdate(vector<Person> persons,vector<Clusterr> &clusterCenter,int k)
{
    int *classNum;
    int sett;
    vector<Clusterr> pre;
    //Cluster past;
    classNum=new int[k+1];
    for(int ii=0;ii<k+1;ii++)
       classNum[ii]=1;
    for(size_t kk=0;kk<clusterCenter.size();kk++)      //用于保存各类的原中心位置信息
        pre.push_back(clusterCenter[kk]);             
    for(size_t i=0;i<persons.size();i++)               //更新了类的中心位置信息
        for(int j=1;j<k+1;j++)
            if(persons[i].classid == j)
            {
                classNum[j]+=1;
                /*
                 *clusterCenter[j-1].clicks=(clusterCenter[j-1].clicks+persons[i].clicks/(classNum[j]-1))/(1+1/(classNum[j]-1));
                 *clusterCenter[j-1].duration=(clusterCenter[j-1].duration+persons[i].duration/(classNum[j]-1))/(1+1/(classNum[j]-1));
                 *clusterCenter[j-1].uplink=(clusterCenter[j-1].uplink+persons[i].uplink/(classNum[j]-1))/(1+1/(classNum[j]-1));
                 *clusterCenter[j-1].sessNum=(clusterCenter[j-1].sessNum+persons[i].sessNum/(classNum[j]-1))/(1+1/(classNum[j]-1));                    
                 *clusterCenter[j-1].downlink=(clusterCenter[j-1].downlink+persons[i].downlink/(classNum[j]-1))/(1+1/(classNum[j]-1));
                 *clusterCenter[j-1].updownlink=(clusterCenter[j-1].updownlink+persons[i].updownlink/(classNum[j]-1))/(1+1/(classNum[j]-1));
                */
                clusterCenter[j-1].clicks+=persons[i].clicks;
                clusterCenter[j-1].duration+=persons[i].duration;
                clusterCenter[j-1].downlink+=persons[i].downlink;
                clusterCenter[j-1].uplink+=persons[i].uplink;
                clusterCenter[j-1].sessNum+=persons[i].sessNum;
            }
            for(int j=0;j<k;j++)
            {
                clusterCenter[j].clicks=(int)(clusterCenter[j].clicks/classNum[j+1]);
                clusterCenter[j].downlink/=classNum[j+1];
                clusterCenter[j].uplink/=classNum[j+1];   clusterCenter[j].duration/=classNum[j+1];
                clusterCenter[j].sessNum/=classNum[j+1];
            }
         sett=findSame(pre,clusterCenter);
         pre.clear();
         return sett;
}


int main()
{
    unsigned int k;
    char file[100];
    string c;  int js=1;

    int stepnum;     int cstep=0;

    vector<Person> persons;
    vector<Clusterr> clusterCenter;
    string fileName="data30m.txt";            //可以改动保存用户信息的文件名
    fstream ioFile1,ioFile2,ioFile3;            //output file stream

    char *newfile1="F:\\Visual C++\\Cpp project\\example for C++\\k_means\\user_center.txt";
    char *newfile2="F:\\Visual C++\\Cpp project\\example for C++\\k_means\\user_information.txt";
    char *newfile3="F:\\Visual C++\\Cpp project\\example for C++\\k_means\\center_info.txt";
    sprintf(file,"F:\\Visual C++\\Cpp project\\example for C++\\k_means\\%s",fileName.c_str());         //找到要处理的文件
    cout<<"请输入你想聚成几类(按Enter结束)：";
    cin>>k;         cout<<endl;
    cout<<"请输入你允许聚类最多迭代的次数(按Enter结束)"<<endl;
    cin>>stepnum;   cout<<endl;
    fileWrite(file,persons);                 //STL initialize,however it may out of  memory
    int times=1;
    initCenter(persons,clusterCenter,k);
    while((cstep<stepnum)&&js)
    {
        for(size_t i=0;i<persons.size();i++)
        {
          k_means(persons,clusterCenter,i);
        }
        js=centerUpdate(persons,clusterCenter,k);   //update the center of every class by steps
        cstep++;
        cout<<"第"<<times++<<"次迭代"<<endl;
    }
    ioFile1.open(newfile1,ios::out|ios::app);
    ioFile3.open(newfile2,ios::out|ios::app);
    for(size_t i=0;i<persons.size();i++)
        ioFile1<<persons[i].calling_num<<" "<<persons[i].classid<<endl;
    for(size_t i=0;i<clusterCenter.size();i++)
        ioFile3<<clusterCenter[i].classid<<" "<<clusterCenter[i].duration<<" "<<clusterCenter[i].clicks<<" "<<clusterCenter[i].sessNum<<" "<<clusterCenter[i].uplink<<" "<<clusterCenter[i].downlink<<endl;
}