编写 k-均值聚类算法程序c语言二维

k-均值聚类算法是一种常用的无监督学习方法，用于将数据集划分为k个互不重叠的簇。下面是使用C语言编写的二维k-均值聚类算法的程序示例：

#include <stdio.h>
#include <stdlib.h>
#include <math.h>

#define MAX_ITER 100   // 最大迭代次数

// 计算两个二维点之间的欧式距离
float distance(float x1, float y1, float x2, float y2) {
    return sqrt(pow(x1-x2, 2) + pow(y1-y2, 2));
}

// 执行k-均值聚类算法
void kmeans(float* x, float* y, int n, int k) {
    float cx[k], cy[k];     // 聚类中心的x和y坐标
    int c[n];               // 每个数据点的簇标签
    
    // 随机初始化聚类中心
    for (int i = 0; i < k; i++) {
        cx[i] = x[i];
        cy[i] = y[i];
    }
    
    int iter = 0;
    int changed = 1;
    
    while (changed && iter < MAX_ITER) {
        changed = 0;
        
        // 分配每个数据点到最近的聚类中心
        for (int i = 0; i < n; i++) {
            float minDist = distance(x[i], y[i], cx[0], cy[0]);
            int minIdx = 0;
            
            for (int j = 1; j < k; j++) {
                float dist = distance(x[i], y[i], cx[j], cy[j]);
                
                if (dist < minDist) {
                    minDist = dist;
                    minIdx = j;
                }
            }
            
            if (c[i] != minIdx) {
                c[i] = minIdx;
                changed = 1;
            }
        }
        
        // 更新聚类中心为每个簇的质心
        for (int i = 0; i < k; i++) {
            float sumX = 0, sumY = 0;
            int count = 0;
            
            for (int j = 0; j < n; j++) {
                if (c[j] == i) {
                    sumX += x[j];
                    sumY += y[j];
                    count++;
                }
            }
            
            cx[i] = sumX / count;
            cy[i] = sumY / count;
        }
        
        iter++;
    }
    
    // 输出结果
    for (int i = 0; i < k; i++) {
        printf("簇 #%d：\n", i+1);
        
        for (int j = 0; j < n; j++) {
            if (c[j] == i) {
                printf("(%f, %f)\n", x[j], y[j]);
            }
        }
        
        printf("\n");
    }
}

int main() {
    // 输入数据集及聚类数
    float x[] = {1, 1.5, 3, 5, 3.5, 4.5};
    float y[] = {1, 2, 4, 7, 5, 5};
    int n = sizeof(x) / sizeof(float);
    int k = 2;
    
    // 执行k-均值聚类
    kmeans(x, y, n, k);
    
    return 0;
}

这个程序使用欧式距离作为相似性度量，根据输入的数据集和聚类数，采用迭代的方式来更新聚类中心，并根据最终得到的聚类中心将数据集划分为对应的簇。最后，输出划分结果以及每个簇中的数据点。该示例程序中将数据集的x和y坐标硬编码了，可以根据实际需要修改为从文件或用户输入读取数据集的方式。