C均值聚类算法、感知器算法C++实现，Fisher线性判别MATLAB实现

Huglight

于 2020-05-14 21:12:47 发布

阅读量908

点赞数 1

分类专栏：杂项文章标签：聚类算法机器学习聚类算法

本文链接：https://blog.csdn.net/qq_42397248/article/details/106052035

版权

这篇博客是关于模式识别课程的作业，详细介绍了C均值聚类算法的C++实现，包括随机选择类心、元素分类和类心更新等步骤，直至结果收敛。同时，还讨论了感知器算法的实现，并提及使用MATLAB实现了Fisher线性判别的过程。

摘要由CSDN通过智能技术生成

模式识别课作业

C均值聚类步骤：

选取随机类心
根据集合中点与各类心最小距离，对集合每个元素分类
将分类后各类元素的均值作为新的类心
若类心不再更新，则结果收敛，算法结束

#include<bits/stdc++.h>
using namespace std;
int N;	//输入数据个数 
int C;	//类别个数 
struct Node {
   
	double x, y;
	Node (double x = 0, double y = 0) : x(x), y(y) {
   
	}
}centers[100], preCenters[100], datas[1000]; 
vector<Node> cluster[100];	//当前聚类结果 

bool equals(Node x, Node y)		//判断两点是否相等 
{
   
	return fabs(x.x-y.x) < 0.0001 && fabs(x.y-y.y) < 0.0001;
}
bool check()	//判断聚类结果是否收敛 
{
   
	for (int i = 0; i < C; i++) {
   
		if (!equals(preCenters[i], centers[i]))
			return false;
	}
	return true;
}
void updateCluster() //更新聚类集合 
{
   
	for (int i = 0; i < C; i++)
		cluster[i].clear();
	for (int i = 0; i < N; i++) {
   
		double minDis = 1e9;
		int index = 0;
		for (int j = 0; j < C; j++) {
   
			double dis = sqrt(pow(datas[i].x-centers[j].x, 2)