K-means聚类算法c语言实现支持任意维数数据和任意k值

K-means聚类算法c语言实现。样本数据从文件读入，支持任意维数数据和任意k值（k当然要小于样本数），同时可以防止分出空类。 为做作业原创

#include 
#include 
#include 
#include 

int KVectordimdatasizeseed=1;
float **data**kmatrix;
float *max_column*min_column;

/*创建维数可指定的二维动态数组array[m][n]*/
float** array（int m int n） 
{
  float **p;
  int i;
  p=（float**）malloc（m*sizeof（float*））;
  p[0]=（float*）malloc（m*n*sizeof（float））;
  for（i=1; i  return p;
}

/*释放二维数组所占用的内存*/
void freearray（float** p）
{
  free（*p）; free（p）;
}

void loaddata（）
{
   FILE * fp;
   int ij;
   if（（fp=fopen（“data.txt““r“））==NULL）
   	{
   	printf（“Cannot open file!\n“）;
	exit（0）;
   	}
   if（feof（fp））
   	{
   	printf（“data.txt is a empty file!\n“）;
    fclose（fp）;
	exit（0）;
   	}
   if（fscanf（fp“K=%dVectordim=%ddatasize=%d\n“&K&Vectordim&datasize）!=3）
   	{
   	printf（“load error!\n“）;
    fclose（fp）;
	exit（0）;
	}
   data=array（datasizeVectordim+1）;
   for（i=0;i   	{
   	  data[i][Vectordim]=0;
   	  for（j=0;j	   {
	    if（j==（Vectordim-1）） fscanf（fp“%f\n“&data[i][j]）;
	    else fscanf（fp“%f “&data[i][j]）;
	    /*printf（“%f “data[i][j]）;*/
   	   }
   	}
}

double euclid_distance（float a[]float b[]int dim）
{
int i;
double sum=0;
for（i=0;i	sum+=pow（a[i]-b[i]2）;
return sqrt（sum）;
}

void getmaxmin（float **a）
{
int ij;
max_column=（float *）malloc（sizeof（float）*Vectordim）;
min_column=（float *）malloc（sizeof（float）*Vectordim）;

for（i=0;i{
max_column[i]=a[0][i];
min_column[i]=a[0][i];
}

for（i=0;i{
  for（j=1;j  {
  if（a[j][i]>max_column[i]）max_column[i]=a[j][i];
  if（a[j][i]  /*printf（“max_column[%d]=%f  min_column[%d]=%f\n“imax_column[i]imin_column[i]）;*/
  }
}
}

void initializerandom（）
{
seed++;
srand（（unsigned） time（NULL）+seed）;
}

float randomreal（float Low float High）
{
  return （（float） rand（） / RAND_MAX） * （High-Low） + Low;
}      

void K_locations_random（）
{
int ij;
kmatrix=array（KVectordim+1）;
printf（“Randomly the K-locations are initialized as follows:\n“）;
for（i=0;i{
  initializerandom（）;
  kmatrix[i][Vectordim]=（float）（i+1）;
  printf（“location---%d:  “i+1）;
  for（j=0;j  {kmatrix[i][j]=randomreal（min_column[i]max_column[i]）;printf（“%f   “kmatrix[i][j]）;}
  printf（“\n“）;
}
}

int existemptyclass（）
{
	int *emptyijef;
	empty=（int *）malloc（sizeof（int）*K）;
	for（i=0;i	for（i=0;i	{
		for（j=1;j<=K;j++）
		{
			if（j==（int）data[i][Vectordim]） empty[j-1]++;
		}
	}
	for（i=0ef=0;i		if（0==empty[i]） ef=1;
	return ef;
}

int cluster（）
{
int ijflageflag=1;
double closestd;
for（i=0;i{
closest=euclid_distance（data[i]kmatrix[0]Vectordim）;
flag=1;

   for（j=1;j	{
	  d=euclid_distance（data[i]kmatrix[j]Vectordim）;
	  if（d    }
	if（data[

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

     文件        332  2009-11-17 01:11  kmeans\data\data.txt

     文件        141  2009-11-17 01:14  kmeans\data\data2.txt

     文件         89  2009-11-17 01:36  kmeans\data\说明.txt

     文件        332  2009-11-17 01:11  kmeans\data.txt

     文件       4728  2009-11-17 01:22  kmeans\k.c

     文件      24064  2009-11-17 01:34  kmeans\readme.doc

     目录          0  2009-11-17 01:37  kmeans\data

     目录          0  2009-11-17 01:35  kmeans

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

                29686                    8