k-means算法實現(xiàn)-資料下載頁
2025-09-25 17:21本頁面
【正文】 60。i_k。i++){_clusters[i]UpdateMean(_coordinates)。}//計算每個數(shù)據(jù)和每個聚類中心的距離for(i=0。i_coordCount。i++){for(j=0。j_k。j++){doubledist=getDistance(_coordinates[i],_clusters[j]Mean)。_distanceCache[i][j]=dist。}}//計算每個數(shù)據(jù)離哪個聚類最近for(i=0。i_coordCount。i++){_nearestCluster[i]=thisNearestCluster(i)。}//比較每個數(shù)據(jù)最近的聚類是否就是它所屬的聚類//如果全相等表示所有的點已經(jīng)是最佳距離了，直接返回；intk=0。for(i=0。i_coordCount。i++){if(_nearestCluster[i]==_clusterAssignments[i])k++。}if(k==_coordCount)break。//否則需要重新調(diào)整資料點和群聚類的關系，調(diào)整完畢后再重新開始循環(huán)；//需要修改每個聚類的成員和表示某個數(shù)據(jù)屬于哪個聚類的變量for(j=0。j_k。j++){_clusters[j]()。}for(i=0。i_coordCount。i++){_clusters[_nearestCluster[i]](i)。_clusterAssignments[i]=_nearestCluster[i]。}}}doubleKMeans::getDistance(constDoubleVecamp。coord,constDoubleVecamp。center){return1TermVector::ComputeCosineSimilarity(coord,center)。}intKMeans::NearestCluster(intndx){intnearest=1。doublemin=numeric_limitsdouble::max()。for(intc=0。c_k。c++){doubled=_distanceCache[ndx][c]。if(dmin){min=d。nearest=c。}}returnnearest。}KMeans::~KMeans(void){vectorCluster*::iteratoriter。for(iter=this()。iter!=()。++iter){delete(*iter)。}()。}
數(shù)學相關推薦
鄂ICP備17016276號-1