K均值(K-means)聚类算法代码及注释（超详细！！！）

距离函数

闵可夫斯基距离（欧几里得、曼哈顿距离）

double dis(double x_1 , double y_1 , double x_2 , double y_2 , int p)
{	
	double sum = pow(abs(x_1 - x_2),p) + pow(abs(y_1 - y_2),p); //求和
	return pow(sum , (double)1.0/p) ; //分母要加小数点！！！！！！！！！！！！！！！ 
} 

（一开始觉得思路没问题就一直写了下去，后来运行时发现结果误差特别大，甚至有很多时候出现了除0的错误"Nan"，调试后发现原来分母是整数的话后面的精度也随之保留整数了。）

切比雪夫距离

double Chebyshev(double x_1 , double y_1 , double x_2 , double y_2)
{
	//将一个点(x,y)的坐标变为(x+y,x-y)后,原坐标系中的曼哈顿距离 = 新坐标系中的切比雪夫距离
	//将一个点(x,y)的坐标变为((x+y)/2,(x-y)/2) 后,原坐标系中的切比雪夫距离 = 新坐标系中的曼哈顿距离 
	return dis((x_1+y_1)/2,(x_1-y_1)/2,(x_2+y_2)/2,(x_2-y_2)/2,1);
} 

收敛条件的判断

1、超过最大迭代次数
2、聚类中心不再改变
3、误差函数不再减小

编程Tips

新建一个不定长度的二维数组

	double **arr = NULL;
	arr = new double *[cow];
	for(int i = 0 ; i<cow ; i++)
	{
		arr[i] = new double[col];
		memset(arr[i],0,sizeof(double)*col);
	}	

那既然是不定长度，我们又应该如何去获取它的行数和列数呢！
可以参考这篇文章：

lines = sizeof(arr) / sizeof(arr[0][0]);
row = sizeof(arr) / sizeof(arr[0]);
column = lines / row;

(当然，具体在对二级指针进行如上操作的时候发现，取出来的大小怎么都是1，应该是因为sizeof（）直接计算了这个指针类型数据的大小了吧。)

另外，在生成随机数的过程中除了用时间种子保证生成数据的唯一性，还加入了一个flag数组标记每一个点是否有被访问，防止取模后的重复（有点像哈希函数要避免碰撞）。

代码

更多具体的内容尽在代码注释中~完整代码如下（使用了比较暴力的模拟法，性能堪忧，但是特别适合用来理解k-means算法的流程）：

/*
日期：2020年4月12日
作者：曹
内容：聚类算法 、  
	  闵可夫斯基距离： 
	  欧几里得距离(p = 2)、
	  曼哈顿距离 (p = 1) --> 切比雪夫距离(p趋于无穷大)
	  
*/
#include<iostream>
#include<cmath>
#include<memory.h>
#include<cstdlib>
#include<time.h>
using namespace std;
double dis(double x_1 , double y_1 , double x_2 , double y_2 , int p); //闵可夫斯基距离  
double Chebyshev(double x_1 , double y_1 , double x_2 , double y_2)
{
	//将一个点(x,y)的坐标变为(x+y,x-y)后,原坐标系中的曼哈顿距离 = 新坐标系中的切比雪夫距离
	//将一个点(x,y)的坐标变为((x+y)/2,(x-y)/2) 后,原坐标系中的切比雪夫距离 = 新坐标系中的曼哈顿距离 
	return dis((x_1+y_1)/2,(x_1-y_1)/2,(x_2+y_2)/2,(x_2-y_2)/2,1);
} 
double **inNum(int cow , int col)//此处输入各点坐标值 
{
	double **arr = NULL;
	arr = new double *[cow];
	for(int i = 0 ; i<cow ; i++)
	{
		arr[i] = new double[col];
		memset(arr[i],0,sizeof(double)*col);
	}	
	for(int i = 0; i<cow ; i++)
		for(int j = 0;  j<col ; j++)
			cin>>arr[i][j];
	return arr;
}
void k_means(int num_center,double **arr,int distance,int num_point,double **a) //(质心个数，初始质心，距离类型，点数,各点坐标 )
{
	static int max = 10; //设定最大迭代次数为10 
	int *flag = new int[num_point];//标记每一点属于哪个簇 
	memset(flag , 0 , sizeof(int)*num_point);
	double *dis_point = new double[num_center] ;//一个点到各质心的距离 
	memset(dis_point , 0 , sizeof(double)*num_center);
	
	double *x = new double[num_center] ;//新质心x坐标
	memset(x , 0 , sizeof(double)*num_center);
	double *y = new double[num_center] ;//新质心y坐标
    memset(y , 0 , sizeof(double)*num_center);
	int *total = new int[num_center];
    memset(total , 0 , sizeof(int)*num_center); 	
    
	if(max==10)	
	{

		cout<<"第 "<<1<<"次质心为："<<endl;
	/*	
	    //随机生成 num_center 个质心 ,且保证随机选的点不重复（借用上面flag） 
		srand((unsigned)time(NULL));
		int temp = rand()%(num_point+1)-1;
		arr[0][0]= a[temp][0]; //赋值x 
		arr[0][1]= a[temp][1]; //赋值y
		flag[temp] = 1;
		cout<<arr[0][0]<<"     "<<arr[0][1]<<endl;
		for(int i = 1 ; i<num_center ; i++)
		{
			while(1)
			{
				temp = rand()%(num_point+1)-1; 
				if(flag[temp] == 0)
				{
					arr[i][0]= a[temp][0]; //赋值x 
					arr[i][1]= a[temp][1]; //赋值y	
					break;
				}
			}
			cout<<arr[i][0]<<"     "<<arr[i][1]<<endl;		
		}
	*/
//	    直接设定第一次质心,设定质心数为3 
		arr[0][0] = a[0][0] , arr[0][1] = a[0][1];
		arr[1][0] = a[3][0] , arr[1][1] = a[3][1];
		arr[2][0] = a[6][0] , arr[2][1] = a[6][1];
		
		cout<<arr[0][0]<<"     "<<arr[0][1]<<endl;
		cout<<arr[1][0]<<"     "<<arr[1][1]<<endl;
		cout<<arr[2][0]<<"     "<<arr[2][1]<<endl;
		
	}
	
	memset(flag , 0 , sizeof(int)*num_point);
	for(int j = 0 ; j<num_point ; j++)	
	{
		if(distance == 3) //切比雪夫距离
		{			
			dis_point[j] = Chebyshev(a[j][0],a[j][1],arr[0][0],arr[0][1]); // 第j个点到 第一个质心的距离 
			for(int i = 1 ; i<num_center ; i++) 
			{
				if( dis_point[j] > Chebyshev(a[j][0],a[j][1],arr[i][0],arr[i][1]) ) 
				{
					dis_point[j] = Chebyshev(a[j][0],a[j][1],arr[i][0],arr[i][1]); 
					flag[j] = i ;//标记一下，离第i个质心更近 
				}		
			}
		}
		else 
		{			
			dis_point[j] = dis(a[j][0],a[j][1],arr[0][0],arr[0][1],distance); //先算第j个点到 第一个质心的距离 
			for(int i = 1 ; i<num_center ; i++) 
			{
				if( dis_point[j] > dis(a[j][0],a[j][1],arr[i][0],arr[i][1],distance) ) 
				{
					dis_point[j] = dis(a[j][0],a[j][1],arr[i][0],arr[i][1],distance); 
					flag[j] = i ;//标记一下，离第i个质心更近 
				}		
			}
		}
	}

	//计算新的质心,以及新旧质心之间的总差异值
	double sum = 0;
	for(int i = 0 ; i<num_point ; i++) //开始统计
	{
	  for(int j = 0; j<num_center ; j++)	
	  	if(flag[i] == j)
	  	{
	  		x[j] += a[i][0] , y[j] +=a[i][1] , ++total[j];
	  		break;
		}
	 		
	} 
	cout<<"第 "<<10-max+2<<"次质心为："<<endl;
	for(int j = 0; j<num_center ; j++)
	{
		cout<<x[j]/total[j]<<"     "<<y[j]/total[j]<<endl;
		sum += dis(x[j]/total[j],y[j]/total[j],arr[j][0],arr[j][1],2);//欧几里得算法求新旧质心距离 
		arr[j][0]=x[j]/total[j],arr[j][1]=y[j]/total[j];//储存新质心 
	}
	--max;
	if(max==0 || sum < 0.001)//已收敛 
		return ;
	else
		k_means(num_center , arr , distance , num_point , a );
}

int main()
{	
		int cow , col , num_center; 
		cout<<"输入行列数："<<endl;
		cin>>cow>>col;
		cout<<"输入各点坐标："<<endl;
		double **array = NULL;
		array = inNum(cow,col);
		cout<<"输入质心个数："<<endl;
		cin>>num_center;
		//开辟空间储存质心坐标 (二维数组)
		double **arr = NULL;
		arr = new double *[num_center];
		for(int i = 0 ; i<num_center ; i++)
		{
			arr[i] = new double[col];
			memset(arr[i],0,sizeof(double)*col);
		}	
		//Starting
		k_means(3,arr,3,cow,array); 
	 	return 0; 
}
double dis(double x_1 , double y_1 , double x_2 , double y_2 , int p)
{	
	double sum = pow(abs(x_1 - x_2),p) + pow(abs(y_1 - y_2),p); //求和
	return pow(sum , (double)1.0/p) ; //分母要加小数点！！！！！！！！！！！！！！！ 
} 

数据的输入输出格式可以参照下面的截图：


本文结束，感谢阅读！！！