数据挖掘报告,聚类分析 kmeans算法
kmeans算法 数据源为synthetic_control.data
数据挖掘实验报告
班级: 姓名: 学号:
1. 数据来源描述
本次数据挖掘实验的数据源来自加州大学计算机与信息院,是用于合成控制图时间序列聚类分析的一组数据。数据集中一共包含600组数据,每一组数据都有60个分量,也就是数据是60维的。数据一共可以分成6个聚类,分别是:
1-100 Normal (正常) 101-200 Cyclic (循环)
201-300 Increasing trend (增加趋势) 301-400 Decreasing trend (减少趋势) 401-500 Upward shift (上升变化) 501-600 Downward shift (下降变化)
2. 数据预处理
由于本数据集的数据维数较多,所以本实验采用了结构体来存储60维的数据,并使用指针来进行对数据的操作,以提高速度。在数据预处理过程中,首先将数据从data文件中读出,后依次存入结构体数组dataset[600]中。 3. k-means聚类算法
k-means 算法接受参数 k ;然后将事先输入的
n个数据对
象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对
kmeans算法 数据源为synthetic_control.data
象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。
K-means算法是最为经典的基于划分的聚类方法,是十大经典数据挖掘算法之一。K-means算法的基本思想是:以空间中k个点为中心进行聚类,对最靠近他们的对象归类。通过迭代的方法,逐次更新各聚类中心的值,直至得到最好的聚类结果。 (1)算法思路:
首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然 后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。
该算法的最大优势在于简洁和快速。算法的关键在于初始中心的选择和距离公式。 (2)算法步骤:
step.1---初始化距离K个聚类的质心(随机产生) step.2---计算所有数据样本与每个质心的欧氏距离,将数据样本加入与其欧氏距离最短的那个质心的簇中(记录其数据样本的编号)
kmeans算法 数据源为synthetic_control.data
step.3---计算现在每个簇的质心,进行更新,判断新质心是否与原质心相等,若相等,则迭代结束,若不相等,回到step2继续迭代。
4. 数据挖掘实现的源代码
//111060850.cpp KMeans聚类算法 //
#include "stdafx.h" #include<iostream> #include<math.h> #include<stdlib.h> #include<string> #include<fstream> #include<time.h>
using namespace std;
const int N=36000; //数据个数 const int D=60; //数据维度
struct DataSet{ //用来存储数据的结构体 double arg[D]; };
const int K=6; //集合个数
int *CenterIndex; //质心索引集合
//struct DataSet *Center; //质心集合 //struct DataSet *CenterCopy[];
DataSet Center[K]; //保存现在的质心
DataSet CenterCopy[K]; //保存上一次迭代中的质心 //double *DataSet;
int Cluster[6][N/D]; //保存每个簇包含的数据的索引值 int *Top; ifstream fin; char ch;
string fDataSet[N/D][D]; /*算法描述:
kmeans聚类算法采用的是给定类的个数K,将N个元素(对象)分配到K个类中去 使得类内对象之间的相似性最大,而类之间的相似性最小 */ //数据存储在结构体中
//函数声明部分
void InitData(struct DataSet* dataset);
//对数据集进行初始化,从文件中将其读取出后转化为double型依次存入结构
kmeans算法 数据源为synthetic_control.data
体中
void InitCenter(struct DataSet* dataset); //初始化质心
void CreateRandomArray(int n,int k,int *centerIndex); //随机产生一组索引值,用于初始化质心
void CopyCenter(struct DataSet* dataset); //复制保存上一次迭代的质心
void UpdateCluster(struct DataSet* dataset); //更新簇
void UpdateCenter(struct DataSet* dataset); //更新质心
int GetIndex(struct DataSet* dataset,struct DataSet* centerIndex); //本程序的核心,计算每一数据元素属于哪一个聚类,并返回其索引值 void AddtoCluster(int index,int value); //根据索引值将数据元素的索引加入到簇之中 void print(struct DataSet* dataset);
bool IsEqual(struct DataSet* value1,struct DataSet* value2); //判断现有质心和上一次迭代的质心是否相等 double DoubletoString(const char* str); //string转化为double型的函数
double Euclidean(struct DataSet* value1,struct DataSet* value2); //计算欧几里得距离函数
int main(int argc, char* argv[]) {
int Flag=1;
double ttime=0,start=0,end=0; start=clock();
DataSet dataset[N/D]; InitData(dataset);
/* for(int i=0;i<N/D;i++) {for(int j=0;j<D;j++)
cout<<dataset[i].arg[j]<<" "; cout<<endl; }*/
while(Flag) {
UpdateCluster(dataset); UpdateCenter(dataset);
if(IsEqual(Center,CenterCopy)) {
Flag=0; }
kmeans算法 数据源为synthetic_control.data
else {
CopyCenter(dataset); } }
end=clock();
ttime=(double)(end - start) / CLOCKS_PER_SEC; print(dataset); getchar();
return 0; }
void InitData(struct DataSet* dataset) {
int i=0,j=0;
CenterIndex =new int [sizeof(int)*K]; Top =new int [sizeof(int)*K];
// Cluster =new int* [sizeof(int*)*K];
//从文件中读入数据,存入fDataSet数组中,此数组为string类型 //然后通过转化成double型存入DataSet数组之中。 cout<<"开始从文件读入数据"<<endl; fin.open("synthetic_control.data"); for(i=0;i<N/D;i++) for(j=0;j<D;j++) {
while(fin.peek()!='\n'&&fin.peek()!=' ') //从文件中取出数字(字符串形式),略过空格和换行 { fin>>ch;
fDataSet[i][j]=fDataSet[i][j]+ch;
dataset[i].arg[j]=DoubletoString(fDataSet[i][j].c_str()); }
while(fin.peek()=='\n'||fin.peek()==' ') fin.get(); }
fin.close();
cout<<"数据已读入"<<endl; InitCenter(dataset); UpdateCluster(dataset); }
kmeans算法 数据源为synthetic_control.data
void InitCenter(struct DataSet* dataset) {
int i=0;
//产生随即的K个<N的不同的序列
CreateRandomArray(N/D,K,CenterIndex); for(i=0;i<K;i++) {
for(int j=0;j<D;j++)
Center[i].arg[j] = dataset[CenterIndex[i]].arg[j]; //cout<<Center[i]<<" "<<endl; }
CopyCenter(dataset); }
void CreateRandomArray(int n,int k,int *centerIndex) {
int i=0,j=0;
for(i=0;i<K;i++) {
int a=rand()%n; for(j=0;j<i;j++) {
if(centerIndex[j]==a) break; }
if(j>=i) {
centerIndex[i]=a; } else {
i--; } } }
void CopyCenter(struct DataSet* dataset) {
int i=0;
for(i=0;i<K;i++)
kmeans算法 数据源为synthetic_control.data
{
CenterCopy[i]=Center[i]; } }
void UpdateCluster(struct DataSet* dataset) {
int i=0; int tindex;
for(;i<K;i++) {
Top[i]=0; }
for(i=0;i<N/D;i++) {
tindex=GetIndex(&dataset[i],Center); //tindex是指dataset[i]属于第tindex个簇
AddtoCluster(tindex,i); //把dataset[i]加入到所属的簇当中 } }
int GetIndex(struct DataSet* value,struct DataSet* center) {
int i=0;
int index=i;
// double min=fabs(value-center[i]); double min=Euclidean(value,¢er[i]); for(i=0;i<K;i++) {
if(Euclidean(value,¢er[i])<min) {
index=i;
min=Euclidean(value,¢er[i]); } }
return index; }
kmeans算法 数据源为synthetic_control.data
void AddtoCluster(int index,int value) {
Cluster[index][Top[index]] = value; Top[index]++; }
double DoubletoString(const char* str) {
double temp = 0.0,wt = 10.0; bool flag = true; int i;
for(i=0 ;i<*(str+i)!='\0';i++) {
if(flag&&*(str+i)==46) //若遇到小数点则置标志位为false,则后面读入的
flag = false; //char转化为小数形式
else if(flag) //整数部分 temp = (int)(*(str+i)-48)+temp*10; else{
temp = temp + (int)(*(str+i)-48)/wt; //小数部分 wt = wt*10; } }
return temp; }
double Euclidean(struct DataSet* value1,struct DataSet* value2) {
double temp=0,sum=0; for(int i=0;i<D;i++) sum = (value1->arg[i]-value2->arg[i])*(value1->arg[i]-value2->arg[i]); temp = sqrt(sum); return temp; }
相关推荐:
- [高中教育]高集医院世界艾滋病宣传日活动方案
- [高中教育]苏教版六年级英语上册期末试卷含答案
- [高中教育]全民枪战生化英雄模式幽灵怎么玩 生化英雄幽灵击杀攻
- [高中教育]灿烂的宋元文化一导学案
- [高中教育]第2章货币资金与应收款项
- [高中教育]北师大版八年级下册数学第三章《分式》速考试题
- [高中教育]浅析高分子材料成型加工技术
- [高中教育]华南理工大学2013年度共青团先进集体及先进个人评选
- [高中教育]教师资格科目二小学教案模板(共合集)
- [高中教育]工程扩建可研报告
- [高中教育]中华人民共和国海事局2014年度招录公务员面试预告
- [高中教育]提高农村小学生作文能力的教学尝试
- [高中教育]徒手心肺复苏术操作步骤
- [高中教育]毛概试题库7-15章
- [高中教育]2014-2015学年度(上)初中班主任工作计划
- [高中教育]企业驾驶员安全生产责任书
- [高中教育]第07章 不等式测试题-2016年高考文科数学一轮复习练习
- [高中教育]医疗器械经营企业工作程序
- [高中教育]考研英语必背36篇_彩版_精华
- [高中教育]初中9月13-15假期作业 (1)
- 正丁基锂使用注意事项
- 武建价字[2014]7号(调整文明施工费取费
- 焙烤实验一:红豆面包和土司面包
- 2008年6月10日鄂伦春自治旗与阿荣旗间5
- CYFRA21-1临床检测意义
- 132 天然气重型发动机电控系统分析
- 仁爱版七年级上英语Unit1Topic2同步练
- 公司研究_招商证券_卢平_中国神华(6010
- 保险基础知识章节练习题答案
- 电缆热稳定校验计算书(1)
- 小学音乐人教版六年级上册《唱歌我的心
- 中国近年地震一览
- 急诊抢救中的安全文化与护理的方式分析
- 消防器材管理办法
- 新世界珠江新城项目分析
- 一百句商务英语口语必背句
- 浅谈后进生的转化——班级管理工作的重
- 公司八项规定实施细则(改)
- 2004年高考数学试题——广东卷
- 外研版八年级上册M8U1