文档介绍：数据挖掘关于Kmeans算法的研究(含数据集)
数据挖掘关于Kmeans算法的研究(含数据集)
1 / 27
数据挖掘关于Kmeans算法的研究(含数据集)
浙江大学算法研究实验报告
数据挖掘
题目试，无问题，测试通过.
数据挖掘关于Kmeans算法的研究(含数据集)
数据挖掘关于Kmeans算法的研究(含数据集)
5 / 27
数据挖掘关于Kmeans算法的研究(含数据集)
ﻬ
算法描述
KMeaｎs算法的基本思想是初始随机给定K个簇中心，按照最邻近原则把待分类样本点分到各个簇。然后按平均法重新计算各个簇的质心，，直到簇心的移动距离小于某个给定的值。
K—Mｅａns聚类算法主要分为三个步骤:
(1)第一步是为待聚类的点寻找聚类中心
（2)第二步是计算每个点到聚类中心的距离,将每个点聚类到离该点最近的聚类中去
（3）第三步是计算每个聚类中所有点的坐标平均值,并将这个平均值作为新的聚类中心
反复执行(2)、（3），直到聚类中心不再进行大范围移动或者聚类次数达到要求为止
下图展示了对n个样本点进行Ｋ-means聚类的效果，这里k取2：
（ａ）未聚类的初始点集
（ｂ）随机选取两个点作为聚类中心
（c)计算每个点到聚类中心的距离，并聚类到离该点最近的聚类中去
（d）计算每个聚类中所有点的坐标平均值，并将这个平均值作为新的聚类中心
（ｅ）重复（c)，计算每个点到聚类中心的距离，并聚类到离该点最近的聚类中去
(ｆ)重复(ｄ)，计算每个聚类中所有点的坐标平均值,并将这个平均值作为新的聚类中心
数据挖掘关于Kmeans算法的研究(含数据集)
数据挖掘关于Kmeans算法的研究(含数据集)
6 / 27
数据挖掘关于Kmeans算法的研究(含数据集)
图4-1
数据挖掘关于Kmeans算法的研究(含数据集)
数据挖掘关于Kmeans算法的研究(含数据集)
7 / 27
数据挖掘关于Kmeans算法的研究(含数据集)
算法实现
5．1主要数据结构描述
这里我建造了一个dａｔa的结构体,如下：
ｔｙｐｅdef ｖector<doｕble〉 Tuｐｌｅ；//存储每条数据记录
struct data
｛
ﻩｓtriｎｇ s；// 存储关键词
ﻩTupｌe tｕp;// 存储属性信息
｝;
关键词
属性1
属性2
属性3
...
属性n
ﻩ ﻩﻩ ﻩﻩ图5—１
５．2核心代码与关键技术说明
5．
此函数用于计算两个元祖之间的距离，对于每个元祖的属性值,对于数值型的属性值(X1，X2,X3，Xi,Ｘn）,我们用Yｉ代替Xi来进行归一化处理，其中Yｉ计算公式如下：
数据挖掘关于Kmeans算法的研究(含数据集)
数据挖掘关于Kmeans算法的研究(含数据集)
8 / 27
数据挖掘关于Kmeans算法的研究(含数据集)
Yi=(Xｉ- Xmiｎ)/(Xmaｘ—Xｍiｎ)
对于序数型属性值(Ｍ1,M2,M3,Ｍi，Mｎ）， 我们用Qi代替Mi进行归一化处理，其中Qi计算公式如下：
Qi=（Z(Qi)-１）/(Z（Total)－1）
其中Z（Qｉ）表示Qｉ属于的组数,Z（Tｏtal）表示总共的组数，他们的计算规则如下:
Z(Toｔal）= ｋ
Ｚ（Qi）= Qｉ/（datａNｕm/k)+1
（其中dａtaＮｕm为总数据量，K为总分组数。)
归一化处理之后,在计算两个元祖之间的欧式几何距离，具体实现代码如下:
douｂｌｅ ｇetDistXＹ（cｏnsｔ daｔa &t1， cｏｎｓt datａ &ｔ2）
｛
ﻩdｏuｂle sum = 0,temp1＝0,teｍp2=0，temｐ３=0,temp4=0；
inｔ zuＢase，zｕ1，zu2； //确定分组依据
ﻩｚuBaｓe=dataNuｍ/ｋ；
ﻩzu１=t１。tup［4］/zｕBａse+１;ﻩﻩﻩﻩ ／/确定分组
ﻩzu２=ｔ2。ｔｕｐ［4]/zuBaｓｅ＋１；
ﻩtemｐ3=(zｕ1—1)/6;
if(temp3＞1）
ﻩｔeｍp3=1；
ﻩteｍp４=（zu２-1）/6；
ﻩif(tｅmp4＞1）
temｐ4=1;//修正序数度量
数据挖掘关于Kmeans算法的研究(含数据集)
数据挖掘关于Kmeans算法的研究(含数据集)
9 / 27
数据挖掘关于Kmeans算法的研究(含数据集)