K-均值聚类算法实验报告-模式识别-C.doc

《K-均值聚类算法实验报告-模式识别-C.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、040930520吴非模式识别实验报告K-均值聚类算法实验报告试验目的通过对K-均值算法的编程实现，加强对该算法的理解和认识。提高自身的知识水平和编程能力，认识模式识别在生活中的应用。算法思想K-均值算法的主要思想是先在需要分类的数据中寻找K组数据作为初始聚类中心，然后计算其他数据距离这三个聚类中心的距离，将数据归入与其距离最近的聚类中心，之后再对这K个聚类的数据计算均值，作为新的聚类中心，继续以上步骤，直到新的聚类中心与上一次的聚类中心值相等时结束算法。子函数intjudge(floati,floatj,floatk

2、)judge用来判断元素属于哪个聚类，返回元素所在的聚类值（1,2，3）.算法流程图040930520吴非模式识别实验报告开始读入要分类的数据设置初始聚类中心计算数据到K个聚类中心的距离将数据分入与其距离最小的聚类计算新的聚类中心聚类中心是否收敛？否输出K个分类好的聚类结束是实验代码040930520吴非模式识别实验报告#include#include#include#defineCOUNT150//数据个数structdata{floatdx;floa

3、tdy;floatdz;floatdm;intsymbol;//标号}data[150],Zdata[3],Cz[3];inttime=0;//记录迭代次数intjudge(floati,floatj,floatk){//判断数据属于哪个分类if((i<=j)&&(i<=k))return1;elseif((j

4、;floatsum=1;intcount;fstreamoutputFile;outputFile.open("Iris.txt",ios::in);//cout<<"文件中的数据如下"<>data[count].dx;outputFile>>data[count].dy

5、;outputFile>>data[count].dz;outputFile>>data[count].dm;data[count].symbol=0;}/*for(count=0;count

6、outputFile.close();for(count=0;count<3;count++){//初始化聚类Zdata[count].dx=data[count].dx;Zdata[count].dy=data[count].dy;Zdata[count].dz=data[count].dz;Zdata[count].dm=data[count].dm;Zdata[count].symbol=data[count].symbol;}do{Cz[0].dx=0;//初始化Cz[0].dy=0;Cz[0].dz=0;Cz

7、[0].dm=0;Cz[1].dx=0;Cz[1].dy=0;Cz[1].dz=0;Cz[1].dm=0;Cz[2].dx=0;Cz[2].dy=0;Cz[2].dz=0;040930520吴非模式识别实验报告Cz[2].dm=0;for(count=0;count

8、ta[0].dm-data[count].dm);e[0]=a*a+b*b+c*c+d*d;a=(Zdata[1].dx-data[count].dx);b=(Zdata[1].dy-data[count].dy);c=(Zdata[1].dz-data[count].dz);d=(Zdata[1].dm-data[count].