人工智能 Kmeans算法实现

引言

聚类算法中，Kmeans 算法是入门级的算法，对其本身的而理解，参考论坛中很多博文，这里仅作推荐，K-Means（聚类），还有这个：深入理解K-Means聚类算法，个人认为讲的都挺好的，大家请自行参考

原理

大概过一下原理（仅为个人的理解和阐述，不喜勿碰），后期的编程过程也是以此为准进行编程：
1、首先输入k的值，即我们希望将数据集经过聚类得到k个分组，同时还有迭代次数，作为另一终止条件。
2、从数据集中随机选择k个数据点作为初始点
3、对集合中每一个点，计算与每一个初始点的距离（欧氏距离），离哪个初始点距离近，就跟定哪个初始点。
4、这个过程之后，每一个初始点都有了以自己为索引的分类集合，下一步，针对每一个分类集合重新计算该集合中所有点的X方向和Y方向的平均值meanX和meanY，获得这个新的点(meanX,meanY)也就是针对本集合新选出的索引目标。
5、重新计算数据点的每一个点对新的索引点之间的距离，并判断该距离是否小于设定阈值，若小于，则将此点到（meanX,meanY）点的距离作为新的阈值计算后面的点与（meanX,meanY）之间的距离，最后将到（meanX,meanY）点的距离最小的点认为是新的索引点。
6、重复以上过程，直到达到设定的迭代次数。

软件实现过程

实现效果

界面如下：

在界面中随机给出数据点，根据Kmeans的原理，在给出数据点的时候，刻意的使其有3个明显的集合。随后点击学习按钮，依据Kmeans算法自动对数据点做分类

基本的实现过程

1、界面的设计和实现

这里界面的设计参看之前的博文，C#图像处理程序实现–PCA（低维）算法笔记整理，这里不再过多的论述。此外，如何获取当前的数据点并存储，也请参考之前的博文，线性分类器——点集样本分类，亦或者参看附件代码。

2、随机寻找K个初始点

同时以这K个初始点为索引，将剩下点存入相应的分类集合

3、重新计算索引点的过程

这里要注意，生成新的索引点后，要以新的索引点重新生成新的集合，此过程参考上一步

4、界面显示实现

这里注意在实现过程中，为了直观显示最终生成的数据集合分别以哪个点为索引的过程，在软件实现过程中，这里做了一点软件实现过程中的技巧，具体的参见如见代码。

至此，整个过程就是实现了。