数据挖掘 实验五、k-均值聚类算法

数据挖掘 实验五、k-均值聚类算法

一、 实验目的：
(1) 熟悉 VC++编程工具和 k-均值聚类算法。
(2) 在训练样本集上用 VC++编程工具编写用于 k-均值聚类的程序，对任务 相关数据运行 k-均值聚类算法，调试实验。
(3) 掌握距离计算方法和聚类的评价准则。
(4) 写出实验报告。
二、 实验原理：
1、k-均值聚类
k-均值聚类是一种基于形心的划分技术，具体迭代的计算步骤如下：

1. 在属性向量空间随机产生 k 个形心坐标。
2. 分别计算数据集 D 中的每个数据对象 Ti (1≤i≤n)到所有 k 个形心的距离度量 Dist(i,j) (1≤i≤n, 1≤j≤k)，并将数据对象 Ti 聚到最小距离度量的那一簇中。即 Ti∈CJ，表示数据对象 Ti 被聚到第 J 簇中。其中 J=argmin(Dist(i,j))，表示 J 为可使得 Dist(i,j)取最小值的那个 j。
3. 按照形心的定义计算每一簇的形心坐标，形成下一代的 k 个形心坐标。
4. 如果不满足终结条件，转到 2)继续迭代；否则结束。
   其中，簇的形心可以有不同的的定义，例如可以是簇内数据对象属性向量的均值（也就是重心），也可以是中心点等；距离度量也可以有不同的定义，常用的有欧氏距离、曼哈顿（或城市块、街区）距离、闵可夫斯基距离等；终结条件可采用当对象的重新分配不再发生时，程序迭代结束。
   2、终止条件
   终止条件可以是以下任何一个：
   1)没有（或最小数目）对象被重新分配给不同的聚类。
   2)没有（或最小数目）聚类中心再发生变化。
   3)误差平方和局部最小。
   三、 实验内容：

1. 实验内容

1. 根据 k-均值聚类算法的计算步骤，画出 k=3 时的程序流程图；
2. 由 k-均值程序流程图编程实现 k-均值聚类算法；
3. 在实验报告中显示 k-均值聚类过程的一系列截图，指明各个簇的逐渐演化过程；
4. 在报告中指出实验代码中的初始质心的选择，终止条件的选择，以及距离度量的选择并予以说明。

2. 实验步骤
   编程实现如下功能：

1. 首先将数据集 D={D1,D2,D3}中的属性向量作为实验数据输入；
2. 由 k-均值程序流程图编程实现 k-均值聚类算法，并用实验数据运行；
3. 运行过程中在适当的迭代代数暂停并显示实时迭代的结果，如簇心的位置、按距离最近邻聚类的结果等；

3. 程序框图
   
4. 关键代码

#include<iostream> 
#include<string> 
#include<fstream> 
#include<algorithm> 
#include <math.h> 
using namespace std; 
#define k 3 //聚类数 
#define n 2 //数据维数 
#define size 30 //数据大小  
typedef struct {
    //定义存储结构
    double d[n];  
    double distance[k]; 
}Data;  
typedef struct {
     
    Data center[k]; // 即簇类中心 
    int cluster[k][size]; //簇数组  
    int cluster_num[k];// 簇类中一组数据的编号 
    Data old_center[k];  
    int isend[k][n]; //各簇类中心是否相等标示值 
    int is; 
}Tdata;  
Data data[size]; 
Tdata td;  
void Init() //创建与读取数据
{
     
    char name1[50]="data.txt";  
    ifstream infile;  
    cout<<"要打开的文件为：data.txt"<<endl; 
    infile.open(name1,ios::in); 
    if(infile.fail()) 
    {
     
        cout << "error open!" << endl; 
        exit(1)