数据挖掘代码,C代码库,德仔网

代码语言
代码分类
【C】数据挖掘
作者:Timco / 发布于2013/3/18/ 666
数据挖掘

	001
	#include <stdio.h>
	002
	#include <stdlib.h>
	003
	#include <math.h>
	004
	
	005
	#define NA 4 /* 数据维数 */
	006
	#define K 3 /* 聚类数 */
	007
	#define Psize 50 /* 种群大小 */
	008
	#define T 30 /* 最大迭代数 */
	009
	#define ED 0.0000001 /* 结束条件 */
	010
	
	011
	typedef struct {
	012
	 double p[NA];
	013
	 double distance[K];
	014
	}Point;
	015
	
	016
	typedef struct {
	017
	 Point clu_cent[K]; /* 即cluster_center 簇类中心 */
	018
	 int cluster[K][Psize]; /* 簇类数组 */
	019
	 int cluster_num[K]; /* 簇类中一组数据的编号 */
	020
	 double fitness; /* 样本适应度值,用于判断结束条件 */
	021
	 double old_fitness; /* 前一次迭代的适应度值 */
	022
	 double Je; /* 所有样本的平方误差和 */
	023
	}Pop;
	024
	
	025
	/* 声明函数 */
	026
	int Is_equal(int a[], int n, int b);
	027
	double Euclid(int x, int y);
	028
	void input_data();
	029
	void Init_center();
	030
	void calculate_distance();
	031
	void Make_new_cluster();
	032
	void Make_new_center();
	033
	void output_info(int flag);
	034
	
	035
	
	036
	Point all_data[Psize]; /* 数据大小 */
	037
	Pop pop;
	038
	
	039
	/************************************************
	040
	* 从外部文件导入数据，对于没有数据文件将报错， *
	041
	* 数据文件的格式根据 NA 决定，例如NA = 4时，测 *
	042
	* 试数据为四维，则test.data 为： *
	043
	* 1 2 3 4 *
	044
	* 1.0 1.2 1.3 1.4 *
	045
	* ...... *
	046
	* ...... *
	047
	***********************************************/
	048
	void input_data()
	049
	{
	050
	 FILE *infile;
	051
	 int i, j;
	052
	 double data;
	053
	
	054
	 if((infile = fopen("test.data", "r")) == NULL){
	055
	 printf("没有test.data这个文件，无法导入数据\n");
	056
	 exit(1);
	057
	 }
	058
	 for(i = 0; i < Psize; i++)
	059
	 for(j = 0; j < NA; j++){
	060
	 fscanf(infile, "%lf", &data);
	061
	 all_data[i].p[j] = data;
	062
	 // printf("%d --%d %lf\n", i, j, all_data[i].p[j]);
	063
	 }
	064
	 fclose(infile); /* 关闭文件描述符 */
	065
	}
	066
	
	067
	/***************************************************
	068
	* 随机初始化聚类质心，当随机数有相同时跳过继续执行*
	069
	**************************************************/
	070
	void Init_center()
	071
	{
	072
	 int i, j;
	073
	 int num = 0;
	074
	 int rand_num;
	075
	 int rand_num_tmp[K];
	076
	 /* 随机产生三个0～Psize的数 */
	077
	 while(num < K){
	078
	 rand_num = rand() % Psize;
	079
	 if(!Is_equal(rand_num_tmp, num, rand_num))
	080
	 rand_num_tmp[num++] = rand_num;
	081
	 }
	082
	 for(i = 0; i < K; i++){
	083
	 // printf("初始化质心%d:\n", i + 1);
	084
	 for(j = 0; j < NA; j++){
	085
	 pop.clu_cent[i].p[j] = all_data[rand_num_tmp[i]].p[j];
	086
	 // printf("%lf ",pop.clu_cent[i].p[j]);
	087
	 }
	088
	 printf("\n");
	089
	 }
	090
	}
	091
	
	092
	/**********************************
	093
	* 检查数据是否有相等,相等返回1 *
	094
	*********************************/
	095
	int Is_equal(int a[], int n, int b)
	096
	{
	097
	 int i;
	098
	 for(i = 0; i < n; i++)
	099
	 if(a[i] == b) return 1;
	100
	 return 0;
	101
	}
	102
	
	103
	/********************************************
	104
	* 计算Psize组数据到K个质心的欧几里德距离*
	105
	*******************************************/
	106
	void calculate_distance()
	107
	{
	108
	 int i, j;
	109
	 for(i = 0; i < Psize; i++)
	110
	 for(j = 0; j < K; j++){
	111
	 all_data[i].distance[j] = Euclid(i, j);
	112
	// printf("%d---%d--- %lf \n", i, j, all_data[i].distance[j]);
	113
	 }
	114
	}
	115
	
	116
	/************************************************
	117
	* 此函数为欧几里德距离公式函数,此处用于计算*
	118
	* 一组数据到对应簇中心的欧几里德距离。 *
	119
	***********************************************/
	120
	double Euclid(int x, int y)
	121
	{
	122
	 int i;
	123
	 double distance = 0;
	124
	 for(i = 0; i < NA; i++){
	125
	 distance += pow((all_data[x].p[i] - pop.clu_cent[y].p[i]), 2);
	126
	 }
	127
	 distance = sqrt(distance);
	128
	 return distance;
	129
	}
	130
	
	131
	
	132
	/************************
	133
	* 将数据进行簇集归类 *
	134
	***********************/
	135
	void Make_new_cluster()
	136
	{
	137
	 int i, j;
	138
	
	139
	 double min;
	140
	
	141
	 for(i = 0; i < K; i++) /* 初始化编号 */
	142
	 pop.cluster_num[i] = 0;
	143
	 for(i = 0; i < Psize; i++){
	144
	 int index = 0;
	145
	 min = all_data[i].distance[0];
	146
	 for(j = 1; j < K; j++){ /* 筛选到簇心欧几里德最小的 */
	147
	 if(all_data[i].distance[j] < min){
	148
	 min = all_data[i].distance[j];
	149
	 index = j;
	150
	 }
	151
	 }
	152
	 /* 划分簇集 */
	153
	 pop.cluster[index][pop.cluster_num[index]++] = i;
	154
	 }
	155
	 /* 计算所有样本的平方误差和 */
	156
	 pop.Je = 0;
	157
	 for(i = 0; i < K; i++)
	158
	 for(j = 0; j < pop.cluster_num[i]; j++){
	159
	 /* 样本到簇心的值即为其欧几里德距离 */
	160
	 pop.Je +=pow(all_data[pop.cluster[i][j]].distance[i],2);
	161
	 }
	162
	 pop.old_fitness = pop.fitness; /* 前一次迭代适应度值 */
	163
	// printf("old_fitness = %lf\n", pop.old_fitness);
	164
	 pop.fitness = pop.Je; /* 所有样本平方误差和即为适应度值 */
	165
	}
	166
	
	167
	/*************************************************
	168
	* 更新簇心，即求其群类的平均距离为新的簇心 *
	169
	************************************************/
	170
	void Make_new_center()
	171
	{
	172
	 int i, j, n;
	173
	 double tmp_sum;
	174
	
	175
	 for(i = 0; i < K; i++)
	176
	 for(j = 0; j < NA; j++){
	177
	 tmp_sum = 0;
	178
	 for(n = 0; n < pop.cluster_num[i]; n++){
	179
	 /* 第i个簇的第j维数的所有数据和 */
	180
	 tmp_sum += all_data[pop.cluster[i][n]].p[j];
	181
	 }
	182
	 /* 取平均数得到新的簇中心 */
	183
	 pop.clu_cent[i].p[j] = tmp_sum / pop.cluster_num[i];
	184
	 }
	185
	}
	186
	
	187
	/********************************
	188
	* 输出信息函数 *
	189
	* 显示格式为： *
	190
	* 质心K: *
	191
	* NA维的质心数据 *
	192
	* 簇类K： *
	193
	* NA维属于簇类K的数据 *
	194
	* ...... *
	195
	* ...... *
	196
	*******************************/
	197
	void output_info(int flag)
	198
	{
	199
	 int i, j, n;
	200
	
	201
	
	202
	 for(i = 0; i < K; i++){
	203
	 if(flag == 0){
	204
	 printf("初始化质心%d:\n", i + 1);
	205
	 for(n = 0; n < NA; n++)
	206
	 printf("%lf ",pop.clu_cent[i].p[n]);
	207
	 } else if(flag == 1){
	208
	 printf("最终质心%d:\n", i + 1);
	209
	 for(n = 0; n < NA; n++)
	210
	 printf("%lf ",pop.clu_cent[i].p[n]);
	211
	 }
	212
	 printf("\n簇类%d:\n", i + 1);
	213
	 for(j = 0; j < pop.cluster_num[i]; j++){
	214
	 for(n = 0; n < NA; n++){
	215
	 printf("%lf ",
	216
	 all_data[pop.cluster[i][j]].p[n]);
	217
	 }
	218
	 printf("\n");
	219
	 }
	220
	 }
	221
	}
	222
	
	223
	/********************************
	224
	* 主函数 *
	225
	*******************************/
	226
	int main()
	227
	{
	228
	 int i;
	229
	 double differ = 1; /* 适应度差值 */
	230
	 int flag = 0; /* 用来标示是显示初始数据还是聚类后的数据 */
	231
	 input_data(); /* 导入数据 */
	232
	 Init_center(); /* 初始化质心 */
	233
	
	234
	 for(i = 0; (i < T) && (differ > ED); i++){
	235
	 calculate_distance(); /* 计算欧几里德距离 */
	236
	 Make_new_cluster(); /* 产生新的聚类 */
	237
	 if(flag == 0){
	238
	 output_info(flag); /* 输出第一次聚类后的结果 */
	239
	 flag = 1;
	240
	 }
	241
	 Make_new_center(); /* 对新的聚类产生新的质心 */
	242
	 differ = pop.old_fitness - pop.fitness; /* 判断条件 */
	243
	 differ = fabs(differ);
	244
	
	245
	 // printf("differ = %lf\n", differ);
	246
	 // printf("old_fitness = %lf\n", pop.old_fitness);
	247
	 // printf("fitness = %lf\n", pop.fitness);
	248
	 }
	249
	
	250
	 printf("+++++++++++++++++++++++++++++++++++++++++++++++++++++++\n");
	251
	 output_info(flag); /* 聚类后显示结果 */
	252
	
	253
	 return 0;
	254
	}
试试其它关键字
　数据挖掘　
同语言下
可能有用的
Timco贡献的其它代码(4)