kmeans聚类算法C语言程序,C语言中K-means算法实现代码

K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。

算法过程如下：

1)从N个样本随机选取K个样本作为质心

2)对剩余的每个样本测量其到每个质心的距离，并把它归到最近的质心的类

3)重新计算已经得到的各个类的质心

4)迭代2～3步直至新的质心与原质心相等或小于指定阈值，算法结束

#include

#include

#include

#include

#include

#define DIMENSIOM 2 //目前只是处理2维的数据

#define MAX_ROUND_TIME 100 //最大的聚类次数

typedef struct Item{

int dimension_1; //用于存放第一维的数据

int dimension_2; //用于存放第二维的数据

int clusterID; //用于存放该item的cluster center是谁

}Item;

Item* data;

typedef struct ClusterCenter{

double dimension_1;

double dimension_2;

int clusterID;

}ClusterCenter;

ClusterCenter* cluster_center_new;

int isContinue;

int* cluster_center; //记录center

double* distanceFromCenter; //记录一个“点”到所有center的距离

int data_size;

char filename[200];

int cluster_count;

void initial();

void readDataFromFile();

void initial_cluster();

void calculateDistance_ToOneCenter(int itemID, int centerID, int count);

void calculateDistance_ToAllCenter(int itemID);

void partition_forOneItem(int itemID);

void partition_forAllItem_OneCluster(int round);

void calculate_clusterCenter(int round);

void K_means();

void writeClusterDataToFile(int round);

void writeClusterCenterToFile(int round);

void compareNew_OldClusterCenter(double* new_X_Y);

void test_1();

int main(int argc, char* argv[]){

if( argc != 4 )

{

printf("This application need other parameter to run:"

"\n\t\tthe first is the size of data set,"

"\n\t\tthe second is the file name that contain data"

"\n\t\tthe third indicate the cluster_count"

"\n");

exit(0);

}

srand((unsigned)time(NULL));

data_size = atoi(argv[1]);

strcat(filename, argv[2]);

cluster_count = atoi(argv[3]);

initial();

readDataFromFile();

initial_cluster();

//test_1();

//partition_forAllItem_OneCluster();

//calculate_clusterCenter();

K_means();

return 0;

}

/*

* 对涉及到的二维动态数组根据main函数中传入的参数分配空间

* */

void initial(){

data = (Item*)malloc(sizeof(struct Item) * (data_size + 1));

if( !data )

{

printf("malloc error:data!");

exit(0);

}

cluster_center = (int*)