动态聚类中 C－均值算法 (K－均值算法)的C++实现

一：说明

动态聚类方法是模式识别中一种普遍采用的方法，它具有以下3个要点：

    1：选定某种距离度量作为样本间的相似性度量

    2：确定某个评价聚类结果质量的准则函数

    3：给定某个初始分类，然后用迭代算法找出使准则函数取极值的最好的聚类结果

本文给出了 C－均值算法 的 C++  实现。

（算法描述参见  边肇祺  张学工等  << 模式识别 >> P237 清华大学出版社）

 

二：源码

 

2.1  头文件

 

#pragma once

#include <list>

#include <vector>

using namespace std;

#define DATANUM 19

#define MAXDIST 333333

 

struct CData

{

    int x1;

    int x2;

};

 

 

class CCMean

{

public:

    CCMean(CData *pdata);

    ~CCMean(void);

    void init(); 

    void work(int InitClassNum);

 

private:

    // calculate the mean of class i:

    void CalcuMean( int i );

 

    // calculate the ERROR of class i:

    void CalcuJc(int i);

    void CalcuJe();

 

    // step 1 of C-Mean algorithm

    void InitDeploy();

 

    // step 4 and 5 of C-Mean algorithm

    // da is now in class i,

    // return ture when moving da from class to class k

    // return false when we do not move da

    bool MoveItoK( const CData& da, int i, int &k );

 

    // calculate the distance of to data:

    int  dist( const CData& mean, const CData& da);

 

    // print result:

    void OutPut();

 

 

    // iClassNum is the initial class number, in text book, iClassNum <==> C

    int iClassNum;

 

    // pointer to data array:

    CData *pData;

 

    // store the mean of all classes. just ueses 0 to iClassNum - 1;