通过K-MEDOIDS算法对时间序列进行聚类的实现

这是我之前在csdn上就有写的文章，最近把blog转到博客园之后，觉得这篇文章比较有价值，就重新发一次。

最近做数据挖掘相关的工作，题目是时间序列聚类研究，目前对于这方面的研究都还只是在起步阶段，被广泛使用的还是基于K-MEDOIDS的聚类，放弃K-MEANS的主要原因还是时间序列之间序列的计算难度，对于这方面我们也已经有了一定的进展，不过也还是有很多的问题。

把基于DTW与K-MEDOIDS的时间序列聚类的算法贴出来，希望对大家有些帮助吧。

这份代码是我在以前的代码的基础上直接改的，所以C和C++有些混用。

#include <stdio.h> #include <stdlib.h> #include <math.h> #include <iostream> using namespace std; #define NA 60 /* 数据维数 */ #define K 6 /* 聚类数 */ #define Psize 36 /* 种群大小 */ #define T 30 /* 最大迭代数 */ #define ED 0.0000001 /* 结束条件 */ #define Min 1000000 /*最小值*/ #define MinCmp(a,b) (a<b?a:b) #define INF 300000000 //记录每个点的坐标已经到K个中心点的距离 typedef struct { double p[NA]; double distance[K]; }Point; //记录整个种群聚类的相关信息 typedef struct { Point clu_cent[K]; /* 即cluster_center 簇类中心 */ int cluster[K][Psize]; /* 簇类数组 */ int cluster_num[K]; /* 簇类中一组数据的编号 */ double fitness; /* 样本适应度值,用于判断结束条件 */ double old_fitness; /* 前一次迭代的适应度值 */ double Je; /* 所有样本的平方误差和 */ }Pop; /* 声明函数 */ int Is_equal(int a[], int n, int b); double Euclid1(double x, double y); double dtw(int x, int y); void input_data(); void Init_center(); void calculate_distance(); void Make_new_cluster(); void Make_new_center(); void output_info(int flag); Point all_data[Psize]; /* 数据大小 */ Pop pop; /************************************************ * 从外部文件导入数据，对于没有数据文件将报错， * * 数据文件的格式根据 NA 决定，例如NA = 4时，测 * * 试数据为四维，则test.data 为： * * 1 2 3 4 * * 1.0 1.2 1.3 1.4 * * ...... * * ...... * ***********************************************/ double Dtwdistance(Point x, Point y) { double distance[NA+1][NA+1]; double output[NA+1][NA+1]; int i,j; memset(distance,0,sizeof(distance)); memset(output,0,sizeof(output)); for (i=1;i<=NA;i++) for (j=1;j<=NA;j++) distance[i][j]=Euclid1(x.p[i-1],y.p[j-1]); output[1][1]=distance[1][1]; for (i=0;i<=NA;i++) { output[i][0]=INF; output[0][i]=INF; } for (i=2;i<=NA;i++) output[i][1]=output[i-1][1]+distance[i][1]; for (i=2;i<=NA;i++) output[1][i]=output[1][i-1]+distance[1][i]; for(i=2;i<=NA;i++) for(j=2;j<=NA;j++) output[i][j]=Mintt(Mintt(output[i-1][j-1],output[i][j-1]),output[i-1][j])+distance[i][j]; //DP过程，计算DTW距离 return output[NA][NA]; } double dtw(int a, int b) { if (a==b) return 0; return Dtwdistance(all_data[a],all_data[b]); } void input_data() { int i,j,temp; freopen("data.txt","r",stdin); for(i = 0; i < Psize; i++) { cin>>temp; for (j=0;j<NA;j++) { cin>>all_data[i].p[j]; } } } /*************************************************** * 随机初始化聚类质心，当随机数有相同时跳过继续执行* **************************************************/ void Init_center() { int i, j; int num = 0; int rand_num; int rand_num_tmp[K]; /* 随机产生三个0～Psize的数 */ while(num < K){ rand_num = rand() % Psize; if(!Is_equal(rand_num_tmp, num, rand_num)) rand_num_tmp[num++] = rand_num; } freopen("output.txt","w",stdout); cout<<"初始化重心为:"<<endl; for(i = 0; i < K; i++){ cout<<rand_num_tmp[i]<<endl; for(j = 0; j < NA; j++) { cout<<all_data[rand_num_tmp[i]].p[j]<<'\t'; pop.clu_cent[i].p[j] = all_data[rand_num_tmp[i]].p[j]; } cout<<endl; } } /********************************** * 检查数据是否有相等,相等返回1 * *********************************/ int Is_equal(int a[], int n, int b) { int i; for(i = 0; i < n; i++) if(a[i] == b) return 1; return 0; } /******************************************** * 计算Psize组数据到K个质心的欧几里德距离* *******************************************/ void calculate_distance() { int i, j; for(i = 0; i < Psize; i++) for(j = 0; j < K; j++){ all_data[i].distance[j] = dtw(i, j); } } /************************************************ * 此函数为欧几里德距离公式函数,此处用于计算* * 一组数据到对应簇中心的欧几里德距离。 * ***********************************************/ double Euclid1(double x, double y) { return (y-x)*(y-x); } /************************ * 将数据进行簇集归类 * ***********************/ void Make_new_cluster() { int i, j; double min; for(i = 0; i < K; i++) /* 初始化编号 */ pop.cluster_num[i] = 0; for(i = 0; i < Psize; i++){ int index = 0; min = all_data[i].distance[0]; for(j = 1; j < K; j++){ /* 筛选到簇心欧几里德最小的 */ if(all_data[i].distance[j] < min){ min = all_data[i].distance[j]; index = j; } } /* 划分簇集 */ pop.cluster[index][pop.cluster_num[index]++] = i; } /* 计算所有样本的平方误差和 */ pop.Je = 0; for(i = 0; i < K; i++) for(j = 0; j < pop.cluster_num[i]; j++){ /* 样本到簇心的值即为其欧几里德距离 */ pop.Je +=pow(all_data[pop.cluster[i][j]].distance[i],2); } pop.old_fitness = pop.fitness; /* 前一次迭代适应度值 */ // printf("old_fitness = %lf\n", pop.old_fitness); pop.fitness = pop.Je; /* 所有样本平方误差和即为适应度值 */ } /************************************************* * 更新簇心，即求其群类的平均距离为新的簇心 * ************************************************/ void Make_new_center() { int i, j, t,n; double tmp_sum; int index; double min=Min; for(i = 0; i < K; i++) { tmp_sum = 0; for(j= 0;j< pop.cluster_num[i];j++) for (t=0;t<pop.cluster_num[i];t++) { tmp_sum =dtw(pop.cluster[i][j],pop.cluster[i][t]); if(tmp_sum<min) min=tmp_sum; index=j; } for (n=0;n<NA;n++) pop.clu_cent[i].p[n]=all_data[pop.cluster[i][index]].p[n]; } } /******************************** * 输出信息函数 * * 显示格式为： * * 质心K: * * NA维的质心数据 * * 簇类K： * * NA维属于簇类K的数据 * * ...... * * ...... * *******************************/ void output_info(int flag) { int i, j, n; for(i = 0; i < K; i++){ if(flag == 0){ cout<<"初始化质心:"<<i+1<<'\t'<<pop.cluster_num[i]<<endl; for(n = 0; n < NA; n++) cout<<pop.clu_cent[i].p[n]<<'\t'; cout<<endl; } else if(flag == 1){ cout<<"最终质心:"<<i+1<<endl; for(n = 0; n < NA; n++) cout<<pop.clu_cent[i].p[n]<<'\t'; cout<<endl; } cout<<"簇类:" <<i + 1<<endl; for(j = 0; j < pop.cluster_num[i]; j++){ cout<<pop.cluster[i][j]<<'\t'; for(n = 0; n < NA; n++) cout<<all_data[pop.cluster[i][j]].p[n]<<'\t'; cout<<endl; } } } /******************************** * 主函数 * *******************************/ int main() { int i,j; double differ = 1; /* 适应度差值 */ int flag = 0; /* 用来标示是显示初始数据还是聚类后的数据 */ freopen("data.txt","r",stdin); freopen("output.txt","w",stdout); input_data(); /* 导入数据 */ Init_center(); /* 初始化质心 */ for(i = 0; (i < T) && (differ > ED); i++){ calculate_distance(); /* 计算欧几里德距离 */ Make_new_cluster(); /* 产生新的聚类 */ if(flag == 0){ output_info(flag); /* 输出第一次聚类后的结果 */ flag = 1; } Make_new_center(); /* 对新的聚类产生新的质心 */ differ = pop.old_fitness - pop.fitness; /* 判断条件 */ differ = fabs(differ); // printf("differ = %lf\n", differ); // printf("old_fitness = %lf\n", pop.old_fitness); // printf("fitness = %lf\n", pop.fitness); } printf("+++++++++++++++++++++++++++++++++++++++++++++++++++++++\n"); output_info(flag); /* 聚类后显示结果 */ return 0; }