通过 C++ 和 OpenMP 实现的并行 K-Means 算法。
运行程序，可选择手动输入参数或使用默认参数。程序会记录 K-Means 计算的耗时。计算完成后，结果将写入 data.csv。
使用命令行参数 -default，程序会自动使用默认参数计算，便于进行批量运行测试。
默认参数如下：
- 点数：500000
- 坐标最大值：1000
- 聚类数：20
- 最大迭代次数：20
程序运行后，在 0 < x < max_point_crood && 0 < y < max_point_crood 区域内随机生成指定数量的点作为数据。通过以下步骤进行 K-Means 运算：
- 在区域内随机选取指定数量的初始聚类均值点。
- 计算每个点与每个聚类均值点的距离，从而将点分配到聚类。
- 更新聚类均值点。
- 重复 2 3 过程，直到所有聚类均值点不再移动或超过最大迭代次数为止。
代码文件介绍：
-
main.cpp
-
unipoint.h
- UniPoint 类、Point 类的声明。
- UniPoint 类为通用的点类，Point 类继承 UniPoint 类，具有 cluster_id 成员变量，指明该点属于的聚类。
- Cluster 是 UniPoint 的别名，即聚类实际上是用聚类均值点表示的。
- 每个点对应一个 Point 类对象。每个聚类对应一个 Cluster 类对象。
-
unipoint.cpp
- UniPoint 类、Point 类的实现。
-
kmeans.h
- KMeans 类的声明。
- 一次 K-Means 计算对应一个 KMeans 类对象。
-
kmeans.cpp
- KMeans 类的实现。
使用 Visual Studio 2019 构建。
将 kmeans.h 中 #define OUTPUT_EVERY_INTERATION 的注释取消，程序将输出每一轮迭代后的结果，总运行时长则大大增加。
请在 Release 配置下开启 OpenMP 支持编译。否则编译将退化为串行。
Stop Point Team