【C++】Keans聚类算法的C++实现

Kmeans算法的实现步骤：
1、从D中随机取k个元素，作为k个簇的各自的中心。
2、分别计算剩下的元素到k个簇中心的相异度（元素到簇中心的欧氏距离），将这些元素分别划归到相异度最低的簇。
3、根据聚类结果，重新计算k个簇各自的中心，计算方法是取簇中所有元素各自维度的算术平均数。
4、将D中全部元素按照新的中心重新聚类。
5、重复第4步，直到聚类结果不再变化。
6、将结果输出。

include "stdafx.h"#include <iostream>#include <vector>#include <string>#include <fstream>#include <sstream>#include <cmath>#define k 3using namespace std;const int data[11][2]={{2,10},{2,5},{8,4},{5,8},{7,5},{6,4},{1,2},{4,9},{7,3},{1,3},{3,9}};//坐标点结构体struct Sample{    int x;    int y;};int getDistance(Sample pt1, Sample pt2){    return (pt1.x-pt2.x)*(pt1.x-pt2.x)+(pt1.y-pt2.y)*(pt1.y-pt2.y);}int getCluster(Sample means[], Sample point){    int temp=0;    int label=0;    int distance=getDistance(means[0], point);    vector<Sample> cluster[k];     for(int i=1; i<k; i++)    {        temp=getDistance(means[i], point);        if(temp<distance)        {            distance=temp;            label=i;        }    }    return label;}Sample getMeans(vector<Sample> cluster) //cluster contains all points in the cluster{    float meansX=0;    float meansY=0;    Sample newMean;    int num=cluster.size();    for(int i=0; i<num; i++)    {        meansX+=cluster[i].x;        meansY+=cluster[i].y;    }    newMean.x=meansX/num;    newMean.y=meansY/num;    return newMean;}float getVar(vector<Sample> clusters[],Sample means[]){    float var = 0;    for (int i = 0; i < k; i++)    {        vector<Sample> pt = clusters[i];        for (int j = 0; j< pt.size(); j++)        {            var += getDistance(pt[j],means[i]);        }    }    return var;}void Kmeans(const int data[11][2]){    Sample means[k];     vector<Sample> cluster[k];     for(int i=0; i<k; i++)     {        means[i].x=data[i][0];        means[i].y=data[i][1];    }    Sample pt;    int label=0;    for(int i=0; i<11; i++)    {        pt.x=data[i][0];        pt.y=data[i][1];        label=getCluster(means, pt);         cluster[label].push_back(pt);     }    float oldVar=-1;    float newVar=getVar(cluster,means);    while(newVar!=oldVar)     {        for(int i=0; i<k; i++)        {            means[i]=getMeans(cluster[i]);         }        oldVar = newVar;        newVar = getVar(cluster,means);         for(int i=0; i<k; i++)        {            cluster[i].clear();         }        for(int i=0; i<11; i++)        {            Sample pt;            pt.x=data[i][0];            pt.y=data[i][1];            label=getCluster(means, pt);             cluster[label].push_back(pt);         }        for(label=0; label<3; label++)        {            cout<<"第"<<label+1<<"个簇中的元素是："<<endl;            vector<Sample> pt;            pt=cluster[label];            for(int i=0; i<pt.size(); i++)            {                cout<<"("<<pt[i].x<<","<<pt[i].y<<")"<<"    "<<endl;            }        }    }}int main(){    Kmeans(data);}