一、聚類和聚類算法
聚類，就是將數(shù)據(jù)對象劃分成若干個類，在同一個類中的對象具有較高的相似度，而不同的類相似度較小。聚類算法將數(shù)據(jù)集合進行劃分，分成彼此相互聯(lián)系的若干類，以此實現(xiàn)對數(shù)據(jù)的深入分析和數(shù)據(jù)價值挖掘的初步處理階段。例如在現(xiàn)代商業(yè)領域，聚類分析算法可以從龐大的數(shù)據(jù)集合中對消費者的消費習慣、消費傾向，以方便決策者制訂消費策略。總之，作為數(shù)據(jù)挖掘中的一個模塊，聚類分析算法可以作為一個單獨的工具已發(fā)現(xiàn)數(shù)據(jù)庫中分布的一些深層信息，并概括出每一類的特點。聚類分析算法也可作為數(shù)據(jù)挖掘算法中其他分析算法的一個預處理步驟。
在數(shù)據(jù)挖掘領域，聚類分析算法可以分為一下幾個大類，包括劃分法、層次法、基于密度的方法、基于網(wǎng)絡的方法和基于模型的方法。基于劃分的基本思想就是通過迭代的方法將含有N個數(shù)據(jù)對象的數(shù)據(jù)集分成K個聚類。具體的步驟就是，用戶先給出要劃分的個數(shù)，然后通過一定的算法反復的進行迭代，使得每次得到的分組比前一次更加接近預期目標，是否優(yōu)化的判定標準是同組數(shù)據(jù)之間不同數(shù)據(jù)之間的相似程度，同組數(shù)據(jù)相似程度越大，組間似程度越小越優(yōu)化。
K-means聚類算法的核心思想就是基于對數(shù)據(jù)集合的劃分，它把N個數(shù)據(jù)對象劃分成K個類，使每個類中的數(shù)據(jù)點到該聚類中心的距離平方和最小。下面我將利用C語言來實現(xiàn)K-means算法，并對該算法在輸入不同的聚類個數(shù)、改變數(shù)據(jù)點的密集程度以及初始聚類中心點的選擇三個方面來測試該算法。
二、K-means算法實現(xiàn)步驟
通過對聚類和K-Means算法思想的了解，C語言算法的實現(xiàn)過程如下：
（1）通過文件輸入N個數(shù)據(jù)點，并選取其中K（K<N）個數(shù)據(jù)點作為初始聚類中心；
（2）對剩余的數(shù)據(jù)點分別計算到各個聚類聚點中心的歐氏距離，并將該點劃分到最近的類中；
（3）重新計算各個聚類的聚點中心；
（4）與之前的聚類中心比較，如果聚類中心發(fā)生變化，轉到（2），否則結束迭并輸出結果。
三、K-means算法實現(xiàn)
（一）實現(xiàn)思路
通過以上對K-means算法的了解，該算法主要是通過迭代的思想來求解K個聚類的中心。由于傳統(tǒng)數(shù)組需要先定義再使用，且在使用的過程中不能實現(xiàn)數(shù)組長度的動態(tài)增長。同時考慮到設計該算法時，沒有涉及到在迭代過程中各個數(shù)據(jù)點的插入和刪除，各個數(shù)據(jù)點具體劃分到那個聚類中，是由結構體成員變量中的className來標識，因此選用了Vector來作為存儲數(shù)據(jù)的容器，這樣當從文件輸入大量數(shù)據(jù)時，由程序自己開辟需要的存儲空間。同時，也可通過Vector向量容器提供的size和迭代器方法，實現(xiàn)遍歷并按照所在聚類進行輸出。
每個數(shù)據(jù)點都含有X、Y坐標，算法初始狀態(tài)時，指定聚類的具體個數(shù)K，初試狀態(tài)的K個聚類中心由輸入文件的前K個數(shù)據(jù)點來指定。算法在每一次迭代中，需要計算各個點到K個聚類中心坐標的歐氏距離，并選擇距離最近的一個聚類，用該聚類的名稱標識當前數(shù)據(jù)點。當所有數(shù)據(jù)點遍歷完后，計算劃分到每個聚類中所有數(shù)據(jù)點X與Y的均值，并將該均值與前一次聚類中心點的坐標相比較。當X與Y的誤差小于或者等于1e-6時，則結束迭代并輸出收斂后的K歌聚類的中心坐標。
（二）變量和函數(shù)說明
（1）定義結構體類型，用于存儲數(shù)據(jù)點坐標、所在聚類、與聚類中心距離
typedef struct point{float x,y; //數(shù)據(jù)點的坐標string className; //所屬的聚類float distance; //距離聚類中心的距離}Point;（2）變量聲明
vector<Point> dataVector：存儲從文件讀取的數(shù)據(jù)
vector<Point> classPoints：存儲聚類坐標
vector<Point> &totalPoints)：存儲所有的數(shù)據(jù)點
（3）函數(shù)聲明
字符串轉換函數(shù)：將整型變量轉換成字符串類型：
string converToString(int x);
讀入數(shù)據(jù)函數(shù)：從文件讀入坐標數(shù)據(jù)：
vector<Point> readDataFile(string fileName);
初始化數(shù)據(jù)集合函數(shù)：
void initDataset(int classNum,vector<Point> dataVector,vector<Point> &classPoints,vector<Point> &totalPoints);
計算各個數(shù)據(jù)點距離聚點中心的歐氏距離的函數(shù)：
string computerDistance(Point *p_totalPoints,vector<Point> &classPoints);
將各個點劃分到相應類的函數(shù)：
void kMeansClustering(int classNum,vector<Point> totalPoints,vector<Point> classPoints);
（三）核心代碼（部分）
（1）初始化數(shù)據(jù)集合函數(shù)：
void initDataset(int classNum,vector<Point>dataVector,vector<Point>&classPoints, vector<Point>&totalPoints) { int i,j; Point point; for(i=0,j=1; i<dataVector.size(); i++) { if(j<=classNum) //classNum表示聚類的編號 { point.x=dataVector[i].x; point.y=dataVector[i].y; point.distance=dataVector[i].distance; point.className=converToString(j);//將整型類型轉換成字符串類型 classPoints.push_back(point); j++; } point.x=dataVector[i].x; point.y=dataVector[i].y; point.distance=dataVector[i].distance; totalPoints.push_back(point); } } （2）K-means函數(shù)：
void kMeansClustering(int classNum,vector<Point> totalPoints,vector<Point> classPoints) { float tempX=0;//計算聚類中所有數(shù)據(jù)點X的均值 float tempY=0;//計算聚類中所有數(shù)據(jù)點Y的均值 int count=0; //記錄每一個類中數(shù)據(jù)點的數(shù)目 float errorX=INT_MAX; //假設初始時誤差最大 float errorY=INT_MAX; vector<Point>::iterator p_totalPoints; vector<Point>::iterator p_classPoints; Point temp; int i; while(errorX > 1e-6 && errorY > 1e-6) { for(p_totalPoints=totalPoints.begin(); p_totalPoints!=totalPoints.end(); p_totalPoints++) { //將所有的點就近分類 string className=computerDistance(p_totalPoints,classPoints); (*p_totalPoints).className=className; } errorX=0; errorY=0; //按照均值重新劃分聚類中心點 for(p_classPoints=classPoints.begin(); p_classPoints!=classPoints.end(); p_classPoints++) { count=0; tempX=0; tempY=0; cout<<"Partition to cluster center "<<p_classPoints->className<<":"; for(p_totalPoints=totalPoints.begin(); p_totalPoints!=totalPoints.end(); p_totalPoints++) { if((*p_totalPoints).className==(*p_classPoints).className) { cout<<" ("<<(*p_totalPoints).x<<","<<(*p_totalPoints).y<<") "; count++; tempX+=(*p_totalPoints).x; tempY+=(*p_totalPoints).y; } } cout<<endl; tempX /=count; tempY /=count; errorX +=fabs(tempX - (*p_classPoints).x); errorY +=fabs(tempY - (*p_classPoints).y); //計算X與Y均值 (*p_classPoints).x=tempX; (*p_classPoints).y=tempY; } int i=0; for(p_classPoints=classPoints.begin(); p_classPoints!=classPoints.end(); p_classPoints++,i++) { cout<<"Cluster center "<<i+1<<": x="<<(*p_classPoints).x<<" y="<<(*p_classPoints).y<<endl; } cout<<"-----------------------------------------------------------------"<<endl; } cout<<"Result value convergence"<<endl; i=0; for(p_classPoints=classPoints.begin(); p_classPoints!=classPoints.end(); p_classPoints++,i++) { cout<<"Cluster center "<<i+1<<": x="<<(*p_classPoints).x<<" y="<<(*p_classPoints).y<<endl; } cout<<"-----------------------------------------------------------------"<<endl; } 以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持武林網(wǎng)。
新聞熱點
疑難解答
圖片精選
