k-means 源代码C++实现

这是用C++实现的普通K-means算法，附带iris.dat数据集 k-means 源代码 C++实现 C++ k均值

#include
#include
#include
#include
#include
#include
using namespace std;

#define NA 4
#define K 3
#define PS 150
#define PC 0.5
#define ED 0.0000001
#define GeneNum 50
int xxx;
typedef struct
{
    double p[NA];
    double distance[K];
}Point;
Point instance[PS];
typedef struct
{
    Point clustercenter[K];
}Pop;
Pop pop;          //聚类中心
int cluster[K][PS];
int clusternum[K];
double clustermean[K];
double innerdistance;
double oldinnerdistance;
double btdistance;
double fitness;
void input（）//读入待聚类数据
{
    fstream fin（“iris.data“）;
    int i;
    int j;
    string line;
    double word;
    for（i=0;getline（finline）&&i    {
        istringstream stream（line）;
        for（j=0;stream>>word&&j        {
            instance[i].p[j]=word;
        }
    }
}
int find（int a[]int nint b）
{
    int ii;
    for（ii=0;ii    if（a[ii]==b） return 1;
    return 0;
}
void sort（int a[]int n）//冒泡排序
{
    int temp;
    int ij;
    for（i=0;i        for（j=0;j        {
            if（a[j]>a[j+1]）
            {
                temp=a[j];
                a[j]=a[j+1];
                a[j+1]=temp;
            }
        }
}
void init（）
{
    int ij;
    int num=0;
    int random;
    int rt[K];
    srand（time（NULL））;
    for（;num    {
        random=rand（）%PS;
        if（!find（rtnumrandom））
        rt[num++]=random;
    }
    sort（rtK）;
    for（i=0;i    for（j=0;j    {
        pop.clustercenter[i].p[j]=instance[rt[i]].p[j];
    }
}
void printfpop（）
{
    int ijk;
    cout<<“个体“<    for（j=0;j    {
        cout<<“（“;
        for（k=0;k        {
            cout<        }
        cout<<“） “;
    }
    printf（“ 准则函数值为：%4.5f\n“fitness）;
}
double eucliddistance（int xint y）
{
	int i;
	double distance=0;
	for（i=0;i	{
		distance+=pow（（instance[x].p[i]-pop.clustercenter[y].p[i]）2）;
	}
	distance=sqrt（distance）;
	return distance;
}
void calcuatedistance（）
{
	int ij;
	for（i=0;i	for（j=0;j	{
		instance[i].distance[j]=eucliddistance（ij）;
	}
}
void Cluster（）
{
    int ijkl;
    double min;
    double count[NA];
    int index;
    for（k=0;k    clusternum[k]=0;
    for（i=0;i    {
        index=0;
        min=instance[i].distance[0];
        for（j=1;j        {
            if（instance[i].distance[j]            {
                min=instance[i].distance[j];
                index=j;
            }
        }
        cluster[index][clusternum[index]++]=i;
    }
    oldinnerdistance=innerdistance;
    innerdistance=0.0;
    for（i=0;i    {
        for（j=0;j        innerdistance+=pow（instance[cluster[i][j]].distance[i]2）;
    }
    fitness=1/（1+innerdistance）;
}
vo

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3859  2010-05-06 09:39  k-means.cpp

     文件       2702  2010-04-16 16:15  iris.data

----------- ---------  ---------- -----  ----

                 6561                    2