K-means方法总结（附代码）

这一周事情较多，不得已先放弃了验证码分割部分的卷积神经网络的学习，先写两篇关于聚类方法的内容，分别是k-means和混合高斯模型。因为之前的论文中有关于k-means方法的字符分割方法，所以就先学习k-menas的方法。下一篇是高斯混合模型的方法总结。

算法基本原理：

k-means方法较为简单，原理也特别的清晰。

随机选取k个点，并将作为第一轮迭代的中心点；
计算每一组数据到k个点中的距离，并将每一个点分配到k个簇中；
更新中心点：将k个簇中的每一个点的各属性的值进行加和，并计算均值，得到新的中心点；
多次迭代，直到中心点的值不再发生变化。

代码实现：

基本原理很简单，代码也同样的简单。废话少说，直接上代码：

# k-means算法的中心部分
def k_means(data_set, k, start_point):cluster = []end_point = []for t in range(100):# 保证最多的迭代次数为100，不论是否得到最后的结果，都不再继续运行for i in range(len(data_set)):distance = []# 计算每一条数据与选中的点的距离并分到距离最小的簇中for j in range(len(start_point)):a = pow((data_set[i][0]-start_point[j][0]), 2)b = pow((data_set[i][1]-start_point[j][1]), 2)distance.append(pow(a+b, 0.5))passcluster.append(distance.index(min(distance)))distance.clear()# 得到更新以后的中心点end_point = update_start_point(data_set, cluster, k)pass# 如果中心点的数据保持不变，则结束循环if end_point == start_point:print("共迭代 "+str(t)+" 次")breakelse:if t == 99:breakelse:start_point = end_pointcluster.clear()passreturn cluster, end_pointpass
# 中心点的更新函数：
def update_start_point(data_set, cluster, k):start_update = [[0, 0], [0, 0], [0, 0]]for i in range(k):num = 0for j in range(len(cluster)):if i == cluster[j]:# 得到每一个点所分的簇，并计算每一处簇中的所有点的均值来更新中心点num += 1start_update[i][0] += data_set[j][0]start_update[i][1] += data_set[j][1]passpassif num == 0:start_update[i][0] = 0start_update[i][1] = 0else:start_update[i][0] = start_update[i][0]/numstart_update[i][1] = start_update[i][1]/numpassreturn start_updatepass

代码验证：

为了验证我们的代码，我们用两种方式进行验证：
1、用西瓜数据集进行验证（就是那个有密度和含糖量数据集）
2、用图片进行验证：用编写的程序对图片的内容进行分类，看最后的效果。
说干就干，首先是对西瓜数据集进行聚类的结果：
在这里插入图片描述
这里的初始点我就简单的采用了开始的三个点，最后得到的图片聚类结果如上图所示。
接着我们用图片进行验证
在用图片进行验证之前，我们需要对图片进行一定的处理：

def get_file(img):filename = "data\\zebra.txt"with open(filename, "w") as f:h = img.shape[0]w = img.shape[1]for i in range(h):for j in range(w):f.write(str(img[i][j][0])+" "+str(img[i][j][1])+" "+str(img[i][j][2])+"\n")return filename

将图片中的像素点全部存放在txt文件中，接着就可以通过同样的方式对图片进行处理。
最后的结果如下图所示（应该一眼就能看到哪个是原图，哪个是聚类图吧）：
在这里插入图片描述

最后附上源代码百度云盘地址：
k-means源代码、数据集及测试图片
提取码：p1vh
CSDN链接同样的将会在下一篇列出，而下一篇是高斯混合模型的使用，希望大家多多指正。