k均值算法c++語(yǔ)言實(shí)現(xiàn)代碼
//k-mean.h
#ifndef KMEAN_HEAD
#define KMEAN_HEAD
#include <vector>
#include <map>
//空間點(diǎn)的定義
class Node
{
public:
double pos_x;
double pos_y;
double pos_z;
Node()
{
pos_x = 0.0;
pos_y = 0.0;
pos_z = 0.0;
}
Node(double x,double y,double z)
{
pos_x = x;
pos_y = y;
pos_z = z;
}
friend bool operator < (const Node& first,const Node& second)
{
//對(duì)x軸的比較
if(first.pos_x < second.pos_x)
{
return true;
}
else if (first.pos_x > second.pos_x)
{
return false;
}
//對(duì)y軸的比較
else
{
if(first.pos_y < second.pos_y)
{
return true;
}
else if (first.pos_y > second.pos_y)
{
return false;
}
//對(duì)z軸的比較
else
{
if(first.pos_z < second.pos_z)
{
return true;
}
else if (first.pos_z >= second.pos_z)
{
return false;
}
}
}
}
friend bool operator == (const Node& first,const Node& second)
{
if(first.pos_x == second.pos_x && first.pos_y == second.pos_y && first.pos_z == second.pos_z)
{
return true;
}
else
{
return false;
}
}
};
class KMean
{
private:
int cluster_num;//生成的簇的數(shù)量。
std:: vector<Node> mean_nodes;//均值點(diǎn)
std:: vector<Node> data;//所有的數(shù)據(jù)點(diǎn)
std:: map <int , std:: vector<Node> > cluster;//簇,key為簇的下標(biāo)，value為該簇中所有點(diǎn)
void Init();//初始化函數(shù)（首先隨即生成代表點(diǎn)）
void ClusterProcess();//聚類過(guò)程，將空間中的點(diǎn)分到不同的簇中
Node GetMean(int cluster_index);//生成均值
void NewCluster();//確定新的簇過(guò)程，該函數(shù)會(huì)調(diào)用ClusterProcess函數(shù)。
double Kdistance(Node active,Node other);//判斷兩個(gè)點(diǎn)之間的距離
public:
KMean(int c_num,std:: vector<Node> node_vector);
void Star();//啟動(dòng)k均值算法
};
#endif // KMEAN_HEAD
//k-mean.h
#ifndef KMEAN_HEAD
#define KMEAN_HEAD
#include <vector>
#include <map>
//空間點(diǎn)的定義
class Node
{
public:
double pos_x;
double pos_y;
double pos_z;
Node()
{
pos_x = 0.0;
pos_y = 0.0;
pos_z = 0.0;
}
Node(double x,double y,double z)
{
pos_x = x;
pos_y = y;
pos_z = z;
}
friend bool operator < (const Node& first,const Node& second)
{
//對(duì)x軸的比較
if(first.pos_x < second.pos_x)
{
return true;
}
else if (first.pos_x > second.pos_x)
{
return false;
}
//對(duì)y軸的比較
else
{
if(first.pos_y < second.pos_y)
{
return true;
}
else if (first.pos_y > second.pos_y)
{
return false;
}
//對(duì)z軸的比較
else
{
if(first.pos_z < second.pos_z)
{
return true;
}
else if (first.pos_z >= second.pos_z)
{
return false;
}
}
}
}
friend bool operator == (const Node& first,const Node& second)
{
if(first.pos_x == second.pos_x && first.pos_y == second.pos_y && first.pos_z == second.pos_z)
{
return true;
}
else
{
return false;
}
}
};
class KMean
{
private:
int cluster_num;//生成的簇的數(shù)量。
std:: vector<Node> mean_nodes;//均值點(diǎn)
std:: vector<Node> data;//所有的數(shù)據(jù)點(diǎn)
std:: map <int , std:: vector<Node> > cluster;//簇,key為簇的下標(biāo)，value為該簇中所有點(diǎn)
void Init();//初始化函數(shù)（首先隨即生成代表點(diǎn)）
void ClusterProcess();//聚類過(guò)程，將空間中的點(diǎn)分到不同的簇中
Node GetMean(int cluster_index);//生成均值
void NewCluster();//確定新的簇過(guò)程，該函數(shù)會(huì)調(diào)用ClusterProcess函數(shù)。
double Kdistance(Node active,Node other);//判斷兩個(gè)點(diǎn)之間的距離
public:
KMean(int c_num,std:: vector<Node> node_vector);
void Star();//啟動(dòng)k均值算法
};
#endif // KMEAN_HEAD
#include "k-mean.h"
#include <vector>
#include <map>
#include <ctime>
#include <cstdlib>
#include <algorithm>
#include <cmath>
#include <iostream>
using namespace std;
#define MAXDISTANCE 1000000
KMean::KMean(int c_num,vector<Node> node_vector)
{
cluster_num = c_num;
data = node_vector;
srand((int)time(0));
Init();
}
void KMean::Init()//初始化函數(shù)（首先隨即生成代表點(diǎn)）
{
for(int i =0 ;i<cluster_num;)
{
int pos = rand() % data.size();
bool insert_flag = true;
//首先判斷選中的點(diǎn)是否是中心點(diǎn)
for(unsigned int j = 0;j<mean_nodes.size();j++)
{
if(mean_nodes[j] == data[i])
{
insert_flag = false;
break;
}
}
if(insert_flag )
{
mean_nodes.push_back(data[pos]);
i++;
}
}
ClusterProcess();//進(jìn)行聚類過(guò)程
}
void KMean::ClusterProcess()//聚類過(guò)程，將空間中的點(diǎn)分到不同的簇中
{
//遍歷空間上所有的點(diǎn)
for( unsigned int i = 0 ; i < data.size();i++)
{
//忽略中心點(diǎn)
bool continue_flag = false;
for(unsigned int j = 0;j<mean_nodes.size();j++)
{
if(mean_nodes[j] == data[i])
{
continue_flag = true;
break;
}
}
if(continue_flag)
{
continue;
}
//下面是聚類過(guò)程
//首先找到離當(dāng)前點(diǎn)最近的中心點(diǎn),并記錄下該中心點(diǎn)所在的簇
int min_kdistance = MAXDISTANCE;
int index = 0 ;
for(unsigned int j = 0;j < mean_nodes.size();j++)
{
double dis = Kdistance(data[i],mean_nodes[j]);
if(dis < min_kdistance)
{
min_kdistance = dis;
index = j;
}
}
//先將當(dāng)前點(diǎn)從原先的簇中刪除
map<int,vector<Node> >::iterator iter;
//搜索所有的簇
for(iter = cluster.begin();iter != cluster.end();++iter)
{
vector<Node>::iterator node_iter;
bool jump_flag = false;
//對(duì)每個(gè)簇中的vector進(jìn)行搜索
for(node_iter = iter->second.begin();node_iter != iter->second.end();node_iter++)
{
if(*node_iter == data[i])
{
//如果當(dāng)前點(diǎn)就在更新的簇中，則忽略后面的操作
if(index == iter->first)
{
continue_flag = true;
}
else
{
iter->second.erase(node_iter);
}
jump_flag = true;
break;
}
}
if(jump_flag)
{
break;
}
}
if(continue_flag)
{
continue;
}
//將當(dāng)前點(diǎn)插入到中心點(diǎn)所對(duì)應(yīng)的簇中
//查看中心點(diǎn)是否已經(jīng)存在map中
bool insert_flag = true;
for(iter = cluster.begin(); iter != cluster.end();++iter)
{
if(iter->first == index)
{
iter->second.push_back(data[i]);
insert_flag = false;
break;
}
}
//不存在則創(chuàng)建新的元素對(duì)象
if(insert_flag)
{
vector<Node> cluster_node_vector;
cluster_node_vector.push_back(data[i]);
cluster.insert(make_pair(index,cluster_node_vector));
}
}
}
double KMean::Kdistance(Node active,Node other)
{
return sqrt(pow((active.pos_x-other.pos_x),2) + pow((active.pos_y - other.pos_y),2) + pow((active.pos_z - other.pos_z),2));
}
Node KMean::GetMean(int cluster_index)
{
//對(duì)傳入的參數(shù)進(jìn)行判斷，查看是否越界
if( cluster_num <0 || unsigned (cluster_index) >= mean_nodes.size() )
{
Node new_node;
new_node.pos_x = -1.0;
new_node.pos_y = -1.0;
new_node.pos_z = -1.0;
return new_node;
}
//求出簇中所有點(diǎn)的均值
Node sum_node;
Node aver_node;
for(int j = 0;j < cluster[cluster_index].size();j++)
{
sum_node.pos_x += cluster[cluster_index].at(j).pos_x;
sum_node.pos_y += cluster[cluster_index].at(j).pos_y;
sum_node.pos_z += cluster[cluster_index].at(j).pos_z;
}
aver_node.pos_x = sum_node.pos_x*1.0/ cluster[cluster_index].size();
aver_node.pos_y = sum_node.pos_y*1.0 / cluster[cluster_index].size();
aver_node.pos_z = sum_node.pos_z*1.0 / cluster[cluster_index].size();
//找到與均值最近的點(diǎn)
double min_dis = MAXDISTANCE;
Node new_mean_doc;
for(unsigned int i = 0;i< cluster[cluster_index].size();i++)
{
double dis = Kdistance(aver_node,cluster[cluster_index].at(i));
if(min_dis > dis)
{
min_dis = dis;
new_mean_doc = cluster[cluster_index].at(i);
}
}
return new_mean_doc;
}
void KMean::NewCluster()//確定新的中心點(diǎn)
{
for (unsigned int i = 0;i < mean_nodes.size();i++)
{
Node new_node =GetMean(i);
mean_nodes[i] = new_node;
}
ClusterProcess();
}
void KMean::Star()
{
for (int i = 0;i<100;i++)
{
NewCluster();
cout << "no:"<< i<<endl;
for(int j = 0;j < mean_nodes.size();j++)
{
cout << cluster[j].size()<<endl;
}
}
}
#include <iostream>
#include <vector>
#include "k-mean.h"
#include <ctime>
#include <cstdlib>
using namespace std;
int main()
{
srand((int) time(0));
vector<Node> data;
for(int i =0;i<100;i++)
{
Node node;
node.pos_x = (random() % 17 )*1.2;
node.pos_y = (random() % 19 )*1.2;
node.pos_z = (random() % 21) *1.2;
data.push_back(node);
}
KMean kmean(3,data);
kmean.Star();
return 0;
}
- C++實(shí)現(xiàn)順序排序算法簡(jiǎn)單示例代碼
- VC++實(shí)現(xiàn)選擇排序算法簡(jiǎn)單示例
- 采用C++實(shí)現(xiàn)區(qū)間圖著色問(wèn)題（貪心算法）實(shí)例詳解
- C++實(shí)現(xiàn)迷宮算法實(shí)例解析
- C++實(shí)現(xiàn)漢諾塔算法經(jīng)典實(shí)例
- C++實(shí)現(xiàn)各種排序算法類匯總
- c++實(shí)現(xiàn)MD5算法實(shí)現(xiàn)代碼
- C++基本算法思想之遞推算法思想
- C++泛型算法的一些總結(jié)
- C++算法之海量數(shù)據(jù)處理方法的總結(jié)分析
- C++遺傳算法類文件實(shí)例分析
相關(guān)文章
C++使用htslib庫(kù)讀入和寫(xiě)出bam文件的實(shí)例
下面小編就為大家分享一篇C++使用htslib庫(kù)讀入和寫(xiě)出bam文件的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2017-11-11
利用C語(yǔ)言實(shí)現(xiàn)猜數(shù)字小游戲
這篇文章主要為大家詳細(xì)介紹了利用C語(yǔ)言實(shí)現(xiàn)猜數(shù)字小游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-08-08
ShellExecute函數(shù)用法的實(shí)例代碼
ShellExecute函數(shù)用法的實(shí)例代碼，需要的朋友可以參考一下2013-03-03
虛函數(shù)與純虛函數(shù)(C++與Java虛函數(shù)的區(qū)別)的深入分析
本篇文章是對(duì)虛函數(shù)與純虛函數(shù)進(jìn)行了詳細(xì)的分析介紹，需要的朋友參考下2013-06-06
這篇文章主要介紹了MFC對(duì)話框中添加狀態(tài)欄的方法,實(shí)例分析了MFC對(duì)話框添加狀態(tài)欄所涉及的相關(guān)成員變量與事件實(shí)現(xiàn)技巧,需要的朋友可以參考下2015-07-07
本文主要講解C語(yǔ)言 常量,這里整理了 C語(yǔ)言常量的基礎(chǔ)知識(shí)，并附代碼示例和示例詳細(xì)講解，希望能幫助開(kāi)始學(xué)習(xí)C 語(yǔ)言的同學(xué)2016-08-08
這篇文章主要介紹了C語(yǔ)言指針詳解及用法示例，介紹了其相關(guān)概念，然后分享了幾種用法，具有一定參考價(jià)值。需要的朋友可以了解下2021-09-09
這篇文章主要介紹了C++類繼承時(shí)的構(gòu)造函數(shù)，C++中，子類繼承父類除去構(gòu)造函數(shù)和析構(gòu)函數(shù)以外的所有成員。因此，子類需要編寫(xiě)自己的構(gòu)造函數(shù)和析構(gòu)函數(shù)。更多相關(guān)詳情需要的小伙伴可以參考下面文章介紹2022-03-03
這篇文章主要介紹了C語(yǔ)言中字符串拼接(堆與棧)的相關(guān)資料，文中通過(guò)一段示例代碼詳細(xì)介紹了關(guān)于C語(yǔ)言中的字符串拼接問(wèn)題，有需要的朋友可以參考借鑒，下面來(lái)一起看看吧。2017-01-01
內(nèi)核是操作系統(tǒng)最核心的內(nèi)容，主要提供硬件抽象層、磁盤(pán)及文件系統(tǒng)控制、多任務(wù)等功能，由于其涉及非常廣泛的計(jì)算機(jī)知識(shí)，很少被人們所熟悉，因而披上了一層神秘的面紗2021-08-08