K均值算法的c语言实现

l 算法：

第一步：选K个初始聚类中心，z1(1)，z2(1)，…，zK(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个模式样本的向量值作为初始聚类中心。

第二步：逐个将需分类的模式样本{x}按最小距离准则分配给K个聚类中心中的某一个zj(1)。

假设i=j时，，则，其中k为迭代运算的次序号，第一次迭代k=1，Sj表示第j个聚类，其聚类中心为zj。

第三步：计算各个聚类中心的新的向量值，zj(k+1)，j=1,2,…,K

求各聚类域中所包含样本的均值向量：

其中Nj为第j个聚类域Sj中所包含的样本个数。以均值向量作为新的聚类中心，可使如下聚类准则函数最小：

在这一步中要分别计算K个聚类中的样本均值向量，所以称之为K-均值算法。

第四步：若，j=1,2,…,K，则返回第二步，将模式样本逐个重新分类，重复迭代运算；

若，j=1,2,…,K，则算法收敛，计算结束。

#include<stdio.h>
#include<malloc.h>
void classfication(int n,int dim,int c,int**sample,float**centre,int**category);
void newcentre(int n,int dim,int c,int**sample,float**centre,int**category);
void recordforecentre(int c,int dim,float**excentre,float**centre);  
int testfinish(int c,int dim,float**excentre,float**centre);
int main()
{
 int n=-1;
 int dim=-1; 
 int c=-1;
 int i=0;
 int j=0;
 printf("请输入样本数目.\n");
 scanf("%d",&n);
 printf("请输入样本维数.\n");
 scanf("%d",&dim);
 printf("请输入要分成的类的数目\n");	
 scanf("%d",&c);
 if(c==1||c<=0){
 	     printf("the input is invalid\n");
 	     return 0; }
 printf("please input the sample number.\n");
 int**sample=(int**)malloc(n*sizeof(int*));
 for( i=0;i<n;i++)                                
 		sample[i]=(int*)malloc(dim*sizeof(int));//分配内存 
 for( i=0;i<n;i++){
 	  printf("the %dth number\n",i);
	  for(int j=0;j<dim;j++)
	  		scanf("%d",&sample[i][j]);		
 }
float**centre=(float**)malloc(c*sizeof(float*));
 for( i=0;i<c;i++)                                
 		centre[i]=(float*)malloc(dim*sizeof(float));//分配内存 
float**excentre=(float**)malloc(c*sizeof(float*));
 for( i=0;i<c;i++)                                
 		excentre[i]=(float*)malloc(dim*sizeof(float));//分配内存 
for(i=0;i<c;i++)
	    for(j=0;j<dim;j++){
	    	centre[i][j]=sample[i][j]; }//初始化聚类中心
int**category=(int**)malloc(c*sizeof(int*));
 for( i=0;i<c;i++)                                
 		category[i]=(int*)malloc(n*sizeof(int));//分配内存 
			
 do{    
 		classfication(n,dim,c,sample,centre,category);
 		recordforecentre(c,dim,excentre,centre); //记录聚类中心以便后期判别； 
 		newcentre(n,dim, c, sample, centre,category);//计算新的聚类中心 
 } while(testfinish(c,dim,excentre,centre));//测试新的聚类中心和原来的聚类中心是否相同。 
for(i=0;i<c;i++){
	printf("the %dth category is consist of:" );
       for(j=0;j<n;j++)
        		if(category[i][j]!=-1)
				    printf(" %d  ",category[i][j]);
					printf("\n");}
					getchar(); 
 return 0;
} 
 /*
 本函数采用欧几里得最小距离进行分类*/
void classfication(int n,int dim,int c,int**sample,float**centre,int**category)
 {
 	int i=0;
 	int j=0;
 	int k=0;
 	int t=0;
 	int cc=-1;
	float min=-1; 
	float result=0;
    for(i=0;i<c;i++)
       for(j=0;j<n;j++)
        		category[i][j]=-1;
    for(i=0;i<n;i++){
    	for(j=0;j<c;j++){ 
				for(k=0;k<dim;k++){
					result+=(sample[i][k]-centre[j][k])*(sample[i][k]-centre[j][k]);
						
				}	
				if(min<0||min>result){
					min=result;
					cc=j;} 
				result=0;
		}
		while(category[cc][t]!=-1)
			t++;
		category[cc][t]=i;
		t=0;
		min=-1; 
    }
 }
  /*
 本函数实现对原来聚类中心的记录*/
void recordforecentre(int c,int dim,float**excentre,float**centre) 
 {
  int i=0;
  int j=0;
  for(i=0;i<c;i++)
  		for(j=0;j<dim;j++)
  				excentre[i][j]=centre[i][j];
 }
 /*
 本函数实现对新聚类的计算采用的是书本上的方法*/
 void newcentre(int n,int dim,int c,int**sample,float**centre,int**category)
 {
 int i=0;
 int j=0;
 int k=0;
 int t=0;
 int* sum=(int*)malloc(dim*sizeof(int));
 for(t=0;t<dim;t++)
   		sum[t]=0;
 for(i=0;i<c;i++){
 	j=0;
 	while(category[i][j]>=0)
 	{
 	 	for(k=0;k<dim;k++)
 	 		sum[k]+=sample[category[i][j]][k];
 	 	j++; 	 	
 	}
 	for(t=0;t<dim;t++)
 		centre[i][t]=(float)sum[t]/j;
   for(t=0;t<dim;t++)
   		sum[t]=0;		
 } 
 }
 /*
 本函数实现对聚类中心的对比 
 */
int testfinish(int c,int dim,float**excentre,float**centre)
 {
 int i=0;
 int j=0;
 for(i=0;i<c;i++)
 	for(j=0;j<dim;j++)
 		if(excentre[i][j]!=centre[i][j])
 				return 1;
 return 0;
 }