K均值算法的c语言实现

l 算法：

第一步：选K个初始聚类中心，z1(1)，z2(1)，…，zK(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个模式样本的向量值作为初始聚类中心。

第二步：逐个将需分类的模式样本{x}按最小距离准则分配给K个聚类中心中的某一个zj(1)。

假设i=j时，，则，其中k为迭代运算的次序号，第一次迭代k=1，Sj表示第j个聚类，其聚类中心为zj。

第三步：计算各个聚类中心的新的向量值，zj(k+1)，j=1,2,…,K

求各聚类域中所包含样本的均值向量：

其中Nj为第j个聚类域Sj中所包含的样本个数。以均值向量作为新的聚类中心，可使如下聚类准则函数最小：

在这一步中要分别计算K个聚类中的样本均值向量，所以称之为K-均值算法。

第四步：若，j=1,2,…,K，则返回第二步，将模式样本逐个重新分类，重复迭代运算；

若，j=1,2,…,K，则算法收敛，计算结束。

#include<stdio.h>#include<malloc.h>void classfication(int n,int dim,int c,int**sample,float**centre,int**category);void newcentre(int n,int dim,int c,int**sample,float**centre,int**category);void recordforecentre(int c,int dim,float**excentre,float**centre);  int testfinish(int c,int dim,float**excentre,float**centre);int main(){ int n=-1; int dim=-1;  int c=-1; int i=0; int j=0; printf("请输入样本数目.\n"); scanf("%d",&n); printf("请输入样本维数.\n"); scanf("%d",&dim); printf("请输入要分成的类的数目\n"); scanf("%d",&c); if(c==1||c<=0){      printf("the input is invalid\n");      return 0; } printf("please input the sample number.\n"); int**sample=(int**)malloc(n*sizeof(int*)); for( i=0;i<n;i++)                                 sample[i]=(int*)malloc(dim*sizeof(int));//分配内存  for( i=0;i<n;i++){   printf("the %dth number\n",i);  for(int j=0;j<dim;j++)  scanf("%d",&sample[i][j]); }float**centre=(float**)malloc(c*sizeof(float*)); for( i=0;i<c;i++)                                 centre[i]=(float*)malloc(dim*sizeof(float));//分配内存 float**excentre=(float**)malloc(c*sizeof(float*)); for( i=0;i<c;i++)                                 excentre[i]=(float*)malloc(dim*sizeof(float));//分配内存 for(i=0;i<c;i++)    for(j=0;j<dim;j++){    centre[i][j]=sample[i][j]; }//初始化聚类中心int**category=(int**)malloc(c*sizeof(int*)); for( i=0;i<c;i++)                                 category[i]=(int*)malloc(n*sizeof(int));//分配内存  do{     classfication(n,dim,c,sample,centre,category); recordforecentre(c,dim,excentre,centre); //记录聚类中心以便后期判别；  newcentre(n,dim, c, sample, centre,category);//计算新的聚类中心  } while(testfinish(c,dim,excentre,centre));//测试新的聚类中心和原来的聚类中心是否相同。 for(i=0;i<c;i++){printf("the %dth category is consist of:" );       for(j=0;j<n;j++)        if(category[i][j]!=-1)    printf(" %d  ",category[i][j]);printf("\n");}getchar();  return 0;}  /* 本函数采用欧几里得最小距离进行分类*/void classfication(int n,int dim,int c,int**sample,float**centre,int**category) { int i=0; int j=0; int k=0; int t=0; int cc=-1;float min=-1; float result=0;    for(i=0;i<c;i++)       for(j=0;j<n;j++)        category[i][j]=-1;    for(i=0;i<n;i++){    for(j=0;j<c;j++){ for(k=0;k<dim;k++){result+=(sample[i][k]-centre[j][k])*(sample[i][k]-centre[j][k]);}if(min<0||min>result){min=result;cc=j;} result=0;}while(category[cc][t]!=-1)t++;category[cc][t]=i;t=0;min=-1;     } }  /* 本函数实现对原来聚类中心的记录*/void recordforecentre(int c,int dim,float**excentre,float**centre)  {  int i=0;  int j=0;  for(i=0;i<c;i++)  for(j=0;j<dim;j++)  excentre[i][j]=centre[i][j]; } /* 本函数实现对新聚类的计算采用的是书本上的方法*/ void newcentre(int n,int dim,int c,int**sample,float**centre,int**category) { int i=0; int j=0; int k=0; int t=0; int* sum=(int*)malloc(dim*sizeof(int)); for(t=0;t<dim;t++)   sum[t]=0; for(i=0;i<c;i++){ j=0; while(category[i][j]>=0) {  for(k=0;k<dim;k++)  sum[k]+=sample[category[i][j]][k];  j++;   } for(t=0;t<dim;t++) centre[i][t]=(float)sum[t]/j;   for(t=0;t<dim;t++)   sum[t]=0; }  } /* 本函数实现对聚类中心的对比  */int testfinish(int c,int dim,float**excentre,float**centre) { int i=0; int j=0; for(i=0;i<c;i++) for(j=0;j<dim;j++) if(excentre[i][j]!=centre[i][j]) return 1; return 0; }