计算智能——K-means聚类算法的原理和实现(C语言)
算法定义
k-means聚类算法是一种迭代求解的聚类分析算法。,
k均值聚类是最著名的划分聚类算法,由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k,k由用户指定,k均值算法根据某个距离函数反复把数据分入k个聚类中。
算法原理
k-means算法首先选取k个点作为初始的聚类中心,然后计算各个样本到各聚类中心的距离,把每个样本归入离它最近的那个聚类中心所在的类; 调整后的新类计算新的聚类中心,如果相邻两次的聚类中心没有任何变化,这说明数据对象调整结束,聚类准则函数f已经收敛。在每次迭代过程中都要考察每个样本的分类是否正确,若不正确,就要调整。在全部数据调整完后,再修改聚类中心,进入下一次迭代。如果在某一次迭代算法中,所有的数据 对象被正确分类,则不会有调整,聚类中心也不会有任何变化,这标志着f已经收敛,算法结束。该算法可分为四个步骤
- 选定k个中心点,选定n个样本,输入这些样本。
- 为每个样本找到距离其最近的中心点(寻找组织),距离同一中心点最近的点为一个类,这样完成了一次聚类。
- 判断聚类前后的样本点的类别情况是否相同(及两次聚类的平方误差是否相同),如果相同,则算法结束,否则进入第四步。
- 针对每个类别中的样本点,计算这些样本的中心点,以此作为该类新的中心点,继续第二步。
算法流程图
算法实现
#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <math.h>
#include <time.h>
#define max 100
typedef struct
{
float x;
float y;
}Point;
Point point[max];
Point mean[max]; /// 保存每个簇的中心点
int center[max]; /// 判断每个点属于哪个簇
int Num;
int K;
//获得两点间直线距离
float getDistance(Point point1, Point point2)
{
float d;
d = sqrt((point1.x - point2.x) * (point1.x - point2.x) + (point1.y - point2.y) * (point1.y - point2.y));
return d;
}
// 计算每个簇的中心点 把归属于该中心点的点相加除以点数
void getMean(int center[max])
{
Point tep;
int i, j, count = 0;
for(i = 0; i < K; i++)
{
count = 0;
tep.x = 0.0; /// 每算出一个簇的中心点值后清0
tep.y = 0.0;
for(j = 0; j < Num; j++)
{
if(i == center[j])
{
count++;
tep.x += point[j].x;
tep.y += point[j].y;
}
}
tep.x /= count;
tep.y /= count;
mean[i] = tep;
}
for(i = 0; i < K; i++)
{
printf("The new center point of %d is : \t( %f, %f )\n", i+1, mean[i].x, mean[i].y);
}
}
/// 计算平方误差函数(x1-x2)^2+(y1-y2)^2 计算当前各点与当前所属中心点间距离误差
float getError()
{
int i, j;
float cnt = 0.0, sum = 0.0;
for(i = 0; i < K; i++)
{
for(j = 0; j < Num; j++)
{
if(i == center[j])
{
cnt = (point[j].x - mean[i].x) * (point[j].x - mean[i].x) + (point[j].y - mean[i].y) * (point[j].y - mean[i].y);
sum += cnt;
}
}
}
return sum;
}
// 把Num个点聚类
void cluster()
{
int i, j, q;
float min;
float distance[Num][K];
for(i = 0; i < Num; i++)
{
min = 9999.0;
//获得(point[i].x,point[i].y)的点到每个中心点的距离
for(j = 0; j < K; j++)
{
distance[i][j] = getDistance(point[i], mean[j]);
}
//计算每个点到三个中心点的距离,如果发现有直线距离更短的中心点,则将自己归入其中,放弃当前中心点
for(q = 0; q < K; q++)
{
if(distance[i][q] < min)
{
min = distance[i][q];
center[i] = q;
}
}
//输出这个过程中的该点及其归类
printf("( %.0f, %.0f )\t in cluster %d\n", point[i].x, point[i].y, center[i] + 1);
}
printf("-----------------------------\n");
}
int main()
{
int i, j, n = 0;
float temp1;
float temp2, t;
printf("Please input the num:\n");
scanf("%d", &Num);
printf("Please input the k:\n");
scanf("%d", &K);
printf("Please input %d coordinates:\n",Num);
for(i = 0; i < Num; i++){
scanf("%f%f",&point[i].x,&point[i].y);
}
printf("-----------------------------\n");
for(i = 0;i < K ; i++){
mean[i].x = point[i].x; /// 初始化k个中心点
mean[i].y = point[i].y;
}
cluster(); /// 第一次根据预设的k个点进行聚类
temp1 = getError(); /// 第一次平方误差
n++; /// n计算形成最终的簇用了多少次
printf("The square error on 1 is: %f\n\n", temp1);
getMean(center);
cluster();
temp2 = getError(); /// 根据簇形成新的中心点,并计算出平方误差
n++;
printf("The square error on 2 is: %f\n\n", temp2);
while(fabs(temp2 - temp1) != 0) /// 比较两次平方误差 判断是否相等,不相等继续迭代
{
temp1 = temp2;
getMean(center);
cluster();
temp2 = getError();
n++;
printf("The square error on %d is: %f\n", n, temp2);
}
printf("The total round of cluster is: %d\n\n", n); /// 统计出迭代次数
system("pause");
return 0;
}
参考资料
Polykovskiy, D. and Novikov, A., Bayesian Methods for Machine Learning