k_means聚类算法和配套测试鸢尾花数据集

包括两个文件，kmeans聚类算法cpp文件，和用于测试的鸢尾花数据集txt文件，代码带详细注释，简洁明了，下载之后马上可以进行测试

#include   
#include   
#include   
#include   
#include   
#include   
#include 


using namespace std;

#define		K			3	//簇的数目  
#define		DIM_NUM		5
#define		DATA_NUM	140



//存放元组的属性信息  
typedef vector Tuple;//存储一条数据记录  


//输入两个元组，计算两个元组间的欧几里距离  
double getDistXY（const Tuple& t1 const Tuple& t2）
{
	double sum = 0;
	for （int i = 1; i <= DIM_NUM; ++i）
	{
		sum += （t1[i] - t2[i]） * （t1[i] - t2[i]）;
	}
	return sqrt（sum）;
}

//输入k个质心和1个元组，根据质心，决定当前元组属于哪个簇  
int clusterOfTuple（const Tuple means[] const Tuple& tuple）{
	double dist = getDistXY（means[0] tuple）;
	double tmp;
	int label = 0;	//标示属于哪一个簇  
	
	for （int i = 1; i	{
		tmp = getDistXY（means[i] tuple）;
		if （tmp		{ 
			dist = tmp; 
			label = i; 
		}
	}
	return label;
}

//输入簇集和质心，获得给定簇集的平方误差  
double getVar（vector clusters[] Tuple means[]）
{
	double var = 0;
	for （int i = 0; i < K; i++）	//遍历质心
	{
		vector t = clusters[i];
		for （unsigned int j = 0; j< t.size（）; j++）
		{
			var += getDistXY（t[j] means[i]）;	//簇集中所有元组到质心的距离之和
		}
	}
	//cout<<“sum:“<	return var;

}

//输入簇，获得当前簇的均值（质心）  
Tuple getMeans（const vector& cluster）
{

	int num = cluster.size（）;
	Tuple t（DIM_NUM + 1 0）;			//初始化dimNum + 1个0填充数组
									//第一个位置存放记录编号，第2到dimNum+1个位置存放实际元素  
	for （int i = 0; i < num; i++）	
	{
		for （int j = 1; j <= DIM_NUM; ++j）
		{
			t[j] += cluster[i][j];
		}
	}
	for （int j = 1; j <= DIM_NUM; ++j）
	{
		t[j] /= num;
	}
	return t;	//返回簇集中所有元组平均值作为质心
	//cout<<“sum:“<}


void print_Means（const vector clusters[]）
{
	
	for （int lable = 0; lable < K; lable++）
	{
		cout << clusters[lable].size（） << “  “ ;
		Tuple temp = getMeans（clusters[lable]）;

		cout << “（“;
		for （int j = 0; j <= DIM_NUM; ++j）
		{
			cout << temp[j] << “\t“;
		}
		cout << “）\n“;
	}
}

void print（const vector clusters[]）
{
	for （int lable = 0; lable	{
		cout << “第“ << lable + 1 << “个簇：“ << endl;


		vector t = clusters[lable];
		for （unsigned int i = 0; i		{
			cout << i + 1 << “.（“;
			for （int j = 0; j <= DIM_NUM; ++j）
			{
				cout << t[i][j] << “ “;
			}
			cout << “）\n“;
		}
	}

}

vector* KMeans（vector& tuples）
{
	vector clusters[K];	//k个簇  
	Tuple means[K];				//k个质心  
	
	int i = 0;
	//一开始随机选取k条记录的值作为k个簇的质心（均值）  
	srand（（unsigned int）time（NULL））;	//随机数发生器的初始化
	for （i = 0; i	{
		int iToSelect = rand（） % tuples.size（）;
		if （means[iToSelect].size（） == 0）
		{
			for （int j = 0; j <= DIM_NUM; ++j）
			{
				means[i].push_back（tuples[iToSelect][j]）;	//初始化个质心
			}
			++i;
		}
	}
	
	int lable = 0;
	//根据默认的质心，将输入的tuples分配给各个簇  
	for （i = 0; i != tuples.size（）; ++i）
	{
		lable = clusterOfTuple（means tuples[i]）;
		clusters[lable].push_back（tuples[i]）;			

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

     文件       2660  2016-06-16 22:44  iris_train.txt

     文件       4872  2017-08-23 11:20  Source.cpp

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

                 7532                    2