计算智能——K-means聚类算法的原理和实现（C语言）

计算智能——K-means聚类算法的原理和实现（C语言）

算法定义

k-means聚类算法是一种迭代求解的聚类分析算法。，
k均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k个聚类中。

算法原理

k-means算法首先选取k个点作为初始的聚类中心，然后计算各个样本到各聚类中心的距离，把每个样本归入离它最近的那个聚类中心所在的类； 调整后的新类计算新的聚类中心，如果相邻两次的聚类中心没有任何变化，这说明数据对象调整结束，聚类准则函数f已经收敛。在每次迭代过程中都要考察每个样本的分类是否正确，若不正确，就要调整。在全部数据调整完后，再修改聚类中心，进入下一次迭代。如果在某一次迭代算法中，所有的数据 对象被正确分类，则不会有调整，聚类中心也不会有任何变化，这标志着f已经收敛，算法结束。该算法可分为四个步骤

1. 选定k个中心点，选定n个样本，输入这些样本。
2. 为每个样本找到距离其最近的中心点（寻找组织），距离同一中心点最近的点为一个类，这样完成了一次聚类。
3. 判断聚类前后的样本点的类别情况是否相同（及两次聚类的平方误差是否相同），如果相同，则算法结束，否则进入第四步。
4. 针对每个类别中的样本点，计算这些样本的中心点，以此作为该类新的中心点，继续第二步。

算法流程图

算法实现

       #include <stdio.h>
        #include <string.h>
        #include <stdlib.h>
        #include <math.h>
        #include <time.h>
        #define max 100
        typedef struct
        {
   
        	float x;
        	float y;
        }Point;
        Point point[max];
        Point mean[max];  ///  保存每个簇的中心点
        
        int center[max];  ///  判断每个点属于哪个簇
        int Num;
        int K;
         
        //获得两点间直线距离 
        float getDistance(Point point1, Point point2)
        {
   
        	float d;
        	d = sqrt((point1.x - point2.x) * (point1.x - point2.x) + (point1.y - point2.y) * (point1.y - point2.y));
        	return d;
        }
         
        // 计算每个簇的中心点 把归属于该中心点的点相加除以点数 
        void getMean(int center[max])
        {
   
        	Point tep;
        	int i, j, count = 0;
        	for(i = 0; i < K;