解题思路
题目要求在给定初始聚类中心的前提下，按 K M e a n s KMeans K M e an s
核心流程（重复给定迭代次数 T T T
分配样本：对每个样本点，计算它到每个聚类中心的欧式距离
( d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 + ( z 1 − z 2 ) 2 ) ( d=\sqrt{(x_1-x_2)^2+(y_1-y_2)^2+(z_1-z_2)^2} ) ( d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 + ( z 1 − z 2 ) 2 )
题目内容
网络流量分析是网络安全和性能优化的关键任务。假设你有一个包含网络流量数据的数据集，每条数据包含以下特征：
p a c k e t packet p a c k e t s i z e size s i ze
i n t e r inter in t er a r r i v a l arrival a rr i v a l t i m e time t im e
p r o t o c o l protocol p ro t oco l t y p e type t y p e T C P 、 U D P 、 I C M P TCP、UDP、ICMP TCP 、 U D P 、 I CMP
你的任务是使用 K M e a n s KMeans K M e an s D D o S DDoS DDo S K M e a n s KMeans K M e an s K K K K K K
输入描述
初始聚类点个数 k k k
初始聚类中心集合(往下 k k k
迭代次数
样本个数 m m m
样本数 m m m m m m
输出描述
按给定次数迭代后新的聚类中心集合
样例1
输入
3
50 25 30
60 15 60
25 75 90
3
9
50 25 30
30 50 30
60 15 60
25 75 90
10 05 60
26 15 30
32 67.5 90
80 7.5 60
20 100 90
输出
35.33 30.00 30.00
50.00 9.17 60.00
25.67 80.83 90.00
说明
采用欧式距离计算不同数据之间的距离：
d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 + ( z 1 − z 2 ) 2 d=\sqrt{\left(x_{1}-x_{2}\right)^{2}+\left(y_{1}-y_{2}\right)^{2}+\left(z_{1}-z_{2}\right)^{2}} d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 + ( z 1 − z 2 ) 2
计算每个特征距离中心点的距离，选择距离最近的点作为当前特征归属的类别；按照划分的类别，使用重新计算每个类别的中心点，完成一轮迭代(中心点为对应类里所有样本的平均值)
重复上述流程 k k k
样例2
输入
3
50 20 30
60 10 60
180 180 180
3
8
50 20 30
30 50 30
60 10 60
25 75 90
100 5 60
30 60 90
80 10 60
180 180 180
输出
40.00 35.00 30.00
59.00 32.00 72.00
180.00 180.00 180.00
说明
采用欧式距离计算不同数据之间的距离：
d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 + ( z 1 − z 2 ) 2 d=\sqrt{\left(x_{1}-x_{2}\right)^{2}+\left(y_{1}-y_{2}\right)^{2}+\left(z_{1}-z_{2}\right)^{2}} d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 + ( z 1 − z 2 ) 2
计算每个特征距离中心点的距离，选择距离最近的点作为当前特征归属的类别；按照划分的类别，使用重新计算每个类别的中心点，完成一轮迭代(中心点为对应类里所有样本的平均值)
重复上述流程 k k k
提示
取值范围
初始聚类中心点个数：0 < = n < = 1000 0<=n<=1000 0 <= n <= 1000 i n t int in t
初始聚类中心点集合：每个特征的取值范围为 0 < = f < = 1000 0<=f<=1000 0 <= f <= 1000 f l o a t float f l o a t
迭代次数：0 < = k < = 1000 0<=k<=1000 0 <= k <= 1000 i n t int in t
初始特征个数：0 < = n < = 1000 0<=n<=1000 0 <= n <= 1000 i n t int in t
初始特征集合：每个特征的取值范围为 0 < = f < = 1000 0<=f<=1000 0 <= f <= 1000 f l o a t float f l o a t
