如何用C语言编写K-Means聚类算法程序？

本文共计1985个文字，预计阅读时间需要8分钟。

一、聚类和聚类算法聚类，即将数据对象划分成若干个类或簇，使得同簇的数据对象具有较高的相似度，不同簇的数据对象之间的相似度较小。聚类算法，如K-means，将数据集按照某种相似度度量进行划分，形成多个簇。

一、聚类和聚类算法

聚类，就是将数据对象划分成若干个类，在同一个类中的对象具有较高的相似度，而不同的类相似度较小。聚类算法将数据集合进行划分，分成彼此相互联系的若干类，以此实现对数据的深入分析和数据价值挖掘的初步处理阶段。例如在现代商业领域，聚类分析算法可以从庞大的数据集合中对消费者的消费习惯、消费倾向，以方便决策者制订消费策略。总之，作为数据挖掘中的一个模块，聚类分析算法可以作为一个单独的工具已发现数据库中分布的一些深层信息，并概括出每一类的特点。聚类分析算法也可作为数据挖掘算法中其他分析算法的一个预处理步骤。

在数据挖掘领域，聚类分析算法可以分为一下几个大类，包括划分法、层次法、基于密度的方法、基于网络的方法和基于模型的方法。基于划分的基本思想就是通过迭代的方法将含有N个数据对象的数据集分成K个聚类。具体的步骤就是，用户先给出要划分的个数，然后通过一定的算法反复的进行迭代，使得每次得到的分组比前一次更加接近预期目标，是否优化的判定标准是同组数据之间不同数据之间的相似程度，同组数据相似程度越大，组间似程度越小越优化。

K-means聚类算法的核心思想就是基于对数据集合的划分，它把N个数据对象划分成K个类，使每个类中的数据点到该聚类中心的距离平方和最小。下面我将利用C语言来实现K-means算法，并对该算法在输入不同的聚类个数、改变数据点的密集程度以及初始聚类中心点的选择三个方面来测试该算法。