c均值聚类matlab,实现代码 - 模糊C均值聚类算法(原理+Matlab代码)
算法实现
·采用VC++进行编写
文档的读取
#include “data.h”
//函数定义
double **DataRead(char*name，int row，intcol)
{
double**p=new double* ［row］;
ifstreaminfile;
infile.open(name，ios：：in);
for(inTI=0;i《row;i++)
{
p［i］=newdouble［col］;
for(intj=0;j《col;j++)
{
infile》》p［i］［j］;
}
}
infile.close();
cout《《“成功读取数据文件：”《《name《《“！\n”;
returnp;
//释放内存
for(i=0;i《row;i++)
{
delete［］p［i］;
}
delete［］p;
}
文档的保存
#include “data.h”
void DataSave(double**data，int row，intcol，char*name)
{
inTI，j;
ofstreamoutfile;
//打开文件，输出数据
outfile.open(name，ios：：out);
outfile.setf(ios：：fixed);
outfile.precision(4);
for(i=0;i《row;i++)
{
for(j=0;j《col;j++)
{
outfile《《data［i］［j］《《“”;
}
outfile《《endl;
}
outfile《《endl《《endl;
outfile.close();
}
数据标准化处理
#include “data.h”
double **Standardize(double **data，introw，int col)
{
inTI，j;
double*a=new double［col］; //矩阵每列的最大值
double*b=new double［col］; //矩阵每列的最小值
double*c=new double［row］; //矩阵列元素
for(i=0;i《col;i++)
{
//取出数据矩阵的各列元素
for(j=0;j《row;j++)
{
c［j］=Data［j］［i］;
}
a［i］=c［0］，b［i］=c［0］;
for(j=0;j《row;j++)
{
//取出该列的最大值
if(c［j］》a［i］)
{
a［i］=c［j］;
}
//取出该列的最小值
if(c［j］《b［i］)
{
b［i］=c［j］;
}
}
}
//数据标准化
for(i=0;i《row;i++)
{
for(j=0;j《col;j++)
{
data［i］［j］=(data［i］［j］-b［j］)/(a［j］-b［j］);
}
}
cout《《“完成数据极差标准化处理！\n”;
delete［］a;
delete［］b;
delete［］c;
returndata;
}
生成样本虑属矩阵
#include “data.h”
void IniTIalize(double **u， int k， introw)
{
inti，j;
//初始化样本隶属度矩阵
srand(time(0));
for(i=0;i《k;i++)
{
for(j=0;j《row;j++)
{
u［i］［j］=(double)rand()/RAND_MAX;//得到一个小于1的小数隶属度
}//rand()函数返回0和RAND_MAX之间的一个伪随机数
}
}
数据归一化处理
#include “data.h”
void Normalize(double **u，int k，intcol)
{
inti，j;
double*sum=new double［col］;
//矩阵U的各列元素之和
for(j=0;j《col;j++)
{
doubledj=0;
for(i=0;i《k;i++)
{
dj=dj+U［i］［j］;
sum［j］=dj;//隶属度各列之和
}
}
for(i=0;i《k;i++)
{
for(j=0;j《col;j++)
{
u［i］［j］=U［i］［j］/sum［j］;
}//规一化处理(每列隶属度之和为1)
}
}
迭代过程
#include “data.h”
#include “func.h”//对模糊C均值进行迭代运算，并返回有效性评价函数的值
doubleUpdate(double**u，double**data，double**center，int row，int col， int k)
{
inti，j，t;
double**p=NULL;
for(i=0;i《k;i++)
{
for(j=0;j《row;j++)
{
//模糊指数取2
u［i］［j］=pow(u［i］［j］，2);
}
}
//根据隶属度矩阵计算聚类中心
p=MatrixMul(u，k，row，data，row，col);
for(i=0;i《k;i++)
{
//计算隶属度矩阵每行之和
doublesi=0;
for(j=0;j《row;j++)
{
si+=u［i］［j］;
}
for(t=0;t《col;t++)
{
center［i］［t］=p［i］［t］/si; //类中心
}
}
//计算各个聚类中心i分别到所有点j的距离矩阵dis(i，j)
double*a=new double［col］; //第一个样本点
double*b=new double［col］; //第二个样本点
double**dis=newdouble*［k］; //中心与样本之间距离矩阵
for(i=0;i《k;i++)
{
dis［i］=newdouble［row］;
}
for(i=0;i《k; i++)
{
//聚类中心
for(t=0;t《col; t++)
{
a［t］=center［i］［t］; //暂存类中心
}
//数据样本
for(j=0;j《row; j++)
{
for(t=0;t《col; t++)
{
b［t］=data［j］［t］;//暂存一样本
}
doubled=0;
//中心与样本之间距离的计算
for(t=0;t《col; t++)
{
d+=(a［t］-b［t］)*(a［t］-b［t］); //d为一中心与所有样本的距离的平方和
}
dis［i］［j］=sqrt(d); //距离
}
}
//根据距离矩阵计算隶属度矩阵
for(i=0;i《k;i++)
{
for(j=0;j《row;j++)
{
doubletemp=0;
for(t=0;t《k;t++)
{
//dis［i］［j］依次除以所在列的各元素，加和；
//模糊指数为2.0
temp+=pow(dis［i］［j］/dis［t］［j］，2/(2.0-1));//一个类中心和一个元素的距离平方与
}
u［i］［j］=1/temp;//所有类与该元素距离平方的和的商
}
}
//计算聚类有效性评价函数
doublefunc1=0;
for(i=0;i《k;i++)
{
doublefunc2=0;
for(j=0;j《row;j++)
{
func2+=pow(u［i］［j］，2.0)*pow(dis［i］［j］，2);
}
func1+=func2;
}
doubleobj_fcn=1/(1+func1);
returnobj_fcn;
//内存释放
delete［］a;
delete［］b;
for(i=0;i《k;i++)
{
delete［］dis［i］;
}
delete［］dis;
}
详细过程
#include “data.h”
#include “func.h”
#include “max.h”
//全局变量定义
double **Data; //数据矩阵
double **Center; //聚类中心矩阵
double **U; //样本隶属度矩阵
int m; //样本总数
int n; //样本属性数
int k; //设定的划分类别数
int main()
{
intLab; //数据文件标号
intnum; //算法运行次数
///
cout《《“模糊C均值聚类算法：”《《endl;
cout《《“1-iris.txt; 2-wine.txt; 3-ASD_12_2.txt; 4-ASD_14_2.txt”《《endl;
cout《《“请选择数据集： Lab=”;
cin》》Lab;
cout《《“设定运行次数： mum=”;
cin》》num;
//各次运行结束后的目标函数
double*Index=new double［num］;
//各次运行结束后的聚类正确率
double*R=new double ［num］;
//num次运行的平均目标函数及平均正确率
doubleM_Index=0;
doubleM_R=0;
//FCM聚类算法运行num次，并保存记录与结果
for(inti=0;i《num;i++)
{
intj;
doubleepsilon=1e-4;
inte=0;
intnx=0;
//记录连续无改进次数
intE［200］={0};
if(i》0)
{
cout《《endl《《endl;
cout《《setfill(‘#’)《《setw(10)《《endl;
}
cout《《“第”《《i+1《《“次运行记录：”《《endl;
//读取数据文件
if(Lab==1)
{
m=150;
n=4;
k=3;
Data=DataRead(“dataset\\iris.txt”，m，n);
}
elseif(Lab==2)
{
m=178;
n=13;
k=3;
Data=DataRead(“dataset\\wine.txt”，m，n);
}
elseif(Lab==3)
{
m=535;
n=2;
k=12;
Data=DataRead(“dataset\\ASD_12_2.txt”，m，n);
}
elseif(Lab==4)
{
m=685;
n=2;
k=14;
Data=DataRead(“dataset\\ASD_14_2.txt”，m，n);
}
//数据极差标准化处理
Data=Standardize(Data，m，n);
//聚类中心及隶属度矩阵，内存分配
Center=newdouble*［k］;
U=newdouble *［k］;
for(j=0;j《k;j++)
{
Center［j］=newdouble［n］;
U［j］=newdouble［m］;
}
//隶属度矩阵的初始化
Initialize(U，k， m);
//对隶属度矩阵进行归一化
Normalize(U，k，m);
//历次迭代过程中的目标函数
doubleObjfcn［100］={0};
cout《《“第”《《i+1《《“次运行记录：”《《endl;
cout《《“开始迭代过程！”《《endl;
cout《《“*******************************”《《endl;
//输出精度为小数点后5位
cout.precision(5);
//固定格式
cout.setf(ios：：fixed);
//目标函数连续20代无改进，停止该次聚类迭代过程
while(e《20)
{
nx++;
//聚类迭代过程
Objfcn［nx］=Update(U，Data，Center，m，n，k);
//统计目标函数连续无改进次数e
if(nx》0&& Objfcn［nx］-Objfcn［nx-1］《epsilon )
{
e++;
}
else
{
e=0;
}
E［nx］=e;
}
//输出结果到文件，保存
ofstreamoutfile(“运行记录.txt”，ios：：app);
outfile《《“第”《《i+1《《“次运行记录：”《《endl;
outfile《《“开始迭代过程！”《《endl;
outfile《《“*******************************”《《endl;
outfile.precision(5);
outfile.setf(ios：：fixed);
for(intn1=1;n1《=nx;n1++)
{
cout《《“e［”《《setw(2)《《n1《《“］=”《《setw(2)《《E［n1］《《“ Objfcn［”
《《setw(2)《《n1《《“］=”《《Objfcn［n1］《《“\n”;
//保存数据文件
outfile《《“e［”《《setw(2)《《n1《《“］=”《《setw(2)《《E［n1］《《“ Objfcn［”
《《setw(2)《《n1《《“］=”《《Objfcn［n1］《《“\n”;
}
cout《《endl;
outfile《《endl;
outfile.close();
//本次运行的最大目标函数
Index［i］=Objfcn［nx］;
//保存聚类正确率，输出聚类结果：
R［i］=Result(Lab，U， k， m， i);
//内存释放
for(j=0;j《k;j++)
{
delete［］Center［j］;
delete［］U［j］;
}
delete［］Center;
delete［］U;
}
//统计平均///
doubletemp1=0， temp2=0;
for(i=0;i《num;i++)
{
temp1+=Index［i］;
temp2+=R［i］;
}
//计算各次结果的统计平均
M_Index=(double)temp1/num;
M_R=(double)temp2/num;
cout《《“//”《《endl;
cout《《num《《“次运行，平均聚类正确率： ”《《100*M_R《《“%”《《endl;
//输出精度为小数点后6位
cout.precision(6);
//固定格式
cout.setf(ios：：fixed);
cout《《“平均目标函数：”《《M_Index《《endl;
//统计结果文件保存
ofstreamresultfile(“聚类结果.txt”，ios：：app);
resultfile《《“//”《《endl;
resultfile《《num《《“次运行，平均聚类正确率： ”《《100*M_R《《“%”《《endl;
//输出精度为小数点后6位
resultfile.precision(6);
//固定格式
resultfile.setf(ios：：fixed);
resultfile《《“平均目标函数：”《《M_Index《《endl;
return0;
}