kmeans算法实现

kmeans算法

1随机选取k个点作为中心点
2计算各点与所有中心点的距离
3每个点归入离它最近的那个中心点的划分
4计算每个划分的新中心点
5重新计算划分
6划分不再变化或满足停止条件时结束，否则重复45

代码

//用不确定的k开数组不能快速初始化 
//2021.07.16 ECUST sxbkdpiang
#include<stdio.h>
#include<stdlib.h>
#include<time.h>
#include<iostream>
using namespace std;

const int DIMENSION=690;	//690纬数据 
const int NUM=320;			//320组数据 
float Data[NUM][DIMENSION];	//存放所有数据 

void calculate(float Data[][DIMENSION],float kPoint[][DIMENSION],int k,int num);//递归计算 
void readFile(FILE *fp,float Data[][DIMENSION]);//读入文件 

int main()
{
	//放在main里 
	srand((unsigned)time(NULL));	//随机数 
	
	FILE *fp;
	
	readFile(fp,Data);
	
    //读入k 
    int k;
	cin>>k;
	
	float kRandom[k][DIMENSION];	//一开始随机选择k个点
	int Number[NUM];				//待选点 
	int Random[k];					//k个点分别是第几个点 
	
	//赋初值 
	for(int m=0;m<NUM;m++)
	{
		Number[m]=m;
	}
	for(int m=0;m<k;m++)						//k个点不能重复 
	{
		Random[m]=rand()%(NUM-m);				//随机选点 
		for(int n=0;n<DIMENSION;n++)
		{
			kRandom[m][n]=Data[Random[m]][n];	//记录随机点 
		}
		for(int n=Random[m];n<NUM-m-1;n++)
		{
			Number[n]=Number[n+1];
		}
	}

	calculate(Data,kRandom,k,0);
	
	fclose(fp);
	return 0;
}

//读入文件 
void readFile(FILE *fp,float Data[][DIMENSION])
{

	float readf;
	char readc;
	if(!(fp=fopen("Data.txt","r")))
	{
        printf("error!");
    }
    for(int n=0;n<NUM;n++)
    {
    	if(feof(fp))
    	{
    		break;
    	}
    	for(int m=0;m<DIMENSION;m++)
    	{
    		if(feof(fp))
    		{
    			break;
    		}
    		fscanf(fp,"%f",&Data[n][m]);
    		fgetc(fp);
    	}
    }
}

void calculate(float Data[][DIMENSION] ,float kPoint[][DIMENSION],int k,int num)
{
	/*
	跑
	新kPoint
	比较一致，一致输出
	不一致计数+1
	迭代 
	*/
	float kDistance[k][NUM];//每点和第k点的距离
	//计算距离 
	for(int m=0;m<k;m++)
	{
		for(int n=0;n<NUM;n++)
		{
			float Distance=0;
			for(int i=0;i<DIMENSION;i++)
			{
				Distance += ( Data[n][i] - kPoint[m][i] ) * ( Data[n][i] - kPoint[m][i] );
			}
			kDistance[m][n]=Distance/DIMENSION;
		}
	}
	
	int Divide[NUM]={0};	//记录每个点的划分 
	int Count[k]={0};		//每个划分的计数
	
	//计算每个点属于哪个划分 
	for(int m=0;m<NUM;m++)
	{
		int Low=0;//第几个划分 
		float Lowest=kDistance[0][m];
		for(int n=0;n<k;n++)
		{
			if(kDistance[n][m] < Lowest)
			{
				Lowest=kDistance[n][m];
				Low=n;
			}
		}
		Divide[m]=Low;
		Count[Low]++;
	}
	
	float Low[k][DIMENSION];//每个划分对应维度的总值，用来计算均值 
	//初始化 
	for(int m=0;m<NUM;m++)
	{
		for(int n=0;n<DIMENSION;n++)
		{
			Sum[Divide[m]][n]=0;
		}
	}
	//加总 
	for(int m=0;m<NUM;m++)
	{
		for(int n=0;n<DIMENSION;n++)
		{
			Sum[Divide[m]][n]+=Data[m][n];
		}
	}
	float kMeans[k][DIMENSION];//记录每个划分的均值点 
	//计算每个划分的均值点 
	for(int m=0;m<k;m++)
	{
		for(int n=0;n<DIMENSION;n++)
		{
			kMeans[m][n]=Sum[m][n]/Count[m];
		}
	}
	
	int Flag=0;
	//比较两组点是否一致
	for(int m=0;m<k;m++)
	{
		if(Flag == -1)
		{
			break;
		}
		for(int n=0;n<DIMENSION;n++)
		{
			if(kPoint[m][n] != kMeans[m][n])
			{
				Flag=-1;
				break;
			}
		}
	}
	if(Flag == 0 || num >= 20)//一致或循环太多次，输出 
	{
		for(int m=0;m<k;m++)
		{
			cout<<Count[m]<<endl; 
		}
		return;
	}
	else
	{
		calculate(Data,kMeans,k,num+1);
	}
} 

输入数据下载