聚类算法-K-means-C++实现

程序流程图：

K-means核心功能函数，首先，随机选择K-中心点（中心点坐标为簇中所有点的x坐标的平均值，y坐标的平均值，该点用于记录位置，不属于原始数据集）；循环判断中心点是否不变，若是，将二维点对信息写入clustering文件，程序结束。否则，对于每个二维数据点，选择与其距离最近的中心点，将点cluster编号更新为中心点的cluster编号。然后对于K-簇，重新计算K-中心点，进入下一个循环判断。

计算簇中心是否不变可以采用SSE方式，具体实现代码中已给出，或者直接循环运行多次（不推荐）。

/*
	K-means Algorithm
	15S103182
	Ethan
*/
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
using namespace std;
/* run this program using the console pauser or add your own getch, system("pause") or input loop */
typedef struct Point{
	float x;
	float y;
	int cluster;
	Point (){}
	Point (float a,float b,int c){
		x = a;
		y = b;
		cluster = c;
	}
}point;
float stringToFloat(string i){
	stringstream sf;
	float score=0;
	sf<>score;
	return score;
}
vector openFile(const char* dataset){
	fstream file;
	file.open(dataset,ios::in);
	vector data;
	while(!file.eof()){
		string temp;
		file>>temp;
		int split = temp.find(',',0);
		point p(stringToFloat(temp.substr(0,split)),stringToFloat(temp.substr(split+1,temp.length()-1)),0);
		data.push_back(p);
	}		
	file.close();
	return data;
}
float squareDistance(point a,point b){
	return (a.x-b.x)*(a.x-b.x)+(a.y-b.y)*(a.y-b.y);
}
void k_means(vector dataset,int k){
	vector centroid;
	int n=1;
	int len = dataset.size();
	srand((int)time(0));
	//random select centroids
	while(n<=k){
		int cen = (float)rand()/(RAND_MAX+1)*len;
		point cp(dataset[cen].x,dataset[cen].y,n);
		centroid.push_back(cp);
		n++;
	}
	for(int i=0;i=1){
//	while(time){
		oSSE = nSSE;
		nSSE = 0;
		//update cluster for all the points
		for(int i=0;i dataset = openFile("dataset3.txt");
	k_means(dataset,7);
	return 0;
}

数据文件格式：（x，y）

运行结果格式：（x，y，cluster）

具体文件格式见DBSCAN篇：http://blog.csdn.net/k76853/article/details/50440182

图形化展现：

总结：

K-means算法运行速度快，实现简便。但K-means算法对具有变化大小，变化密度，非圆形状等特点的数据具有局限性。解决方法是增加K的大小，增加cluster数量，使得数据的特征能够更加明显。对于数据初始中心点的选择，采用随机的方式可能无法产生理想的聚类，这时可以采用二分K-means方法，或层次聚类进行处理。