/*********************************************************
//  模糊C均值聚類算法
//  Coded by zhchshen
//  Date: 2008-08-19 23:42
//  zhchshen@yahoo.com.cn
//  Bezdek J C. Pattern Recognition with Fuzzy Objective 
//  Function Algorithms. New York:Plenum Press, 1981
//  編譯環境： VC++ 6.0 
**********************************************************/
#include "data.h"
#include "func.h"
#include "max.h"

//全局變量定義
double **Data;                                      //數據矩陣
double **Center;                                    //聚類中心矩陣
double **U;                                         //樣本隸屬度矩陣 

int m;                                              //樣本總數
int n;                                              //樣本屬性數
int k;                                              //設定的劃分類別數
   


int main()
{
	
	int Lab;                                        //數據文件標號
	int num;                                        //算法運行次數

	///////////////////////////////////////////////////////////////
	cout<<"模糊C均值聚類算法:"<<endl;
	cout<<"1-iris.txt;  2-wine.txt;  3-ASD_12_2.txt; 4-ASD_14_2.txt"<<endl;
	cout<<"請選擇數據集: Lab=";
	cin>>Lab;
	cout<<"設定運行次數: mum=";
	cin>>num;

	//各次運行結束后的目標函數
	double* Index=new double[num];
	//各次運行結束后的聚類正確率
	double* R=new double [num];

	//num次運行的平均目標函數及平均正確率
	double M_Index=0;
	double M_R=0;


	//FCM聚類算法運行num次，并保存記錄與結果
	for(int i=0;i<num;i++)
	{
		int j;
		double epsilon=1e-4;
		int e=0; 
		int nx=0;
		//記錄連續無改進次數
		int E[200]={0};

		if(i>0)
		{
			cout<<endl<<endl;
			cout<<setfill('#')<<setw(10)<<endl;
		}

		cout<<"第"<<i+1<<"次運行記錄:"<<endl;
		
		//讀取數據文件
		if(Lab==1)
		{
			m=150;
			n=4;
			k=3;
			Data=DataRead("dataset\\iris.txt",m,n);
		}
		else if(Lab==2)
		{
			m=178;
			n=13;
			k=3;
			
			Data=DataRead("dataset\\wine.txt",m,n);
		}
		else if(Lab==3)
		{
			m=535;
			n=2;
			k=12;
			
			Data=DataRead("dataset\\ASD_12_2.txt",m,n);
		}
		else if(Lab==4)
		{
			m=685;
			n=2;
			k=14;
			
			Data=DataRead("dataset\\ASD_14_2.txt",m,n);
		}
		
		
		//數據極差標準化處理
		Data=Standardize(Data,m,n);
		
		
		//聚類中心及隸屬度矩陣,內存分配
		Center=new double*[k];
		U=new double *[k];
		for(j=0;j<k;j++)
		{
			Center[j]=new double[n];
			U[j]=new double[m];
		}
		
		
		//隸屬度矩陣的初始化
		Initialize(U, k, m);
	
		//對隸屬度矩陣進行歸一化
		Normalize(U,k,m);
		
		//歷次迭代過程中的目標函數
		double Objfcn[100]={0};
		
		cout<<"第"<<i+1<<"次運行記錄:"<<endl;
		cout<<"開始迭代過程!"<<endl;
		cout<<"*******************************"<<endl;
		
		//輸出精度為小數點后5位
		cout.precision(5);
		//固定格式
		cout.setf(ios::fixed);
		
		
		//目標函數連續20代無改進，停止該次聚類迭代過程
		while(e<20)
		{
			nx++;
			
			//聚類迭代過程
			Objfcn[nx]=Update(U,Data,Center,m,n,k);
			
			//統計目標函數連續無改進次數e
			if(nx>0 && Objfcn[nx]-Objfcn[nx-1]<epsilon )
			{
				e++;
			}
			else
			{
				e=0;
			}
			
			E[nx]=e;
			
		}
		
		
		//輸出結果到文件，保存
		ofstream outfile("運行記錄.txt",ios::app);

		outfile<<"第"<<i+1<<"次運行記錄:"<<endl;
		outfile<<"開始迭代過程!"<<endl;
		outfile<<"*******************************"<<endl;
		
		outfile.precision(5);
		outfile.setf(ios::fixed);
		for(int n1=1;n1<=nx;n1++)
		{
			cout<<"e["<<setw(2)<<n1<<"]="<<setw(2)<<E[n1]<<"   Objfcn["
				<<setw(2)<<n1<<"]="<<Objfcn[n1]<<" \n";
			//保存數據文件
			outfile<<"e["<<setw(2)<<n1<<"]="<<setw(2)<<E[n1]<<"   Objfcn["
				<<setw(2)<<n1<<"]="<<Objfcn[n1]<<" \n";
		}
		cout<<endl;
		outfile<<endl;
		outfile.close();

		//本次運行的最大目標函數
		Index[i]=Objfcn[nx];
		
		//保存聚類正確率，輸出聚類結果：	
		R[i]=Result(Lab, U, k, m, i);
		
		
		//內存釋放
		for(j=0;j<k;j++)
		{
			delete[]Center[j];
			delete[]U[j];
		}
		
		delete[]Center;
		delete[]U;
		
	}


	//////////////////////////統計平均///////////////////////////////////
	double temp1=0, temp2=0;
	for(i=0;i<num;i++)
	{
		temp1+=Index[i];
		temp2+=R[i];
	}

	//計算各次結果的統計平均
	M_Index=(double)temp1/num;
	M_R=(double)temp2/num;

	cout<<"//////////////////////////////////////////////////////////////"<<endl;
	cout<<num<<"次運行,平均聚類正確率: "<<100*M_R<<"%"<<endl;
	
	//輸出精度為小數點后6位
	cout.precision(6);
	//固定格式
	cout.setf(ios::fixed);
	cout<<"平均目標函數: "<<M_Index<<endl;


	//統計結果文件保存
	ofstream resultfile("聚類結果.txt",ios::app);
	resultfile<<"//////////////////////////////////////////////////////////////"<<endl;
	resultfile<<num<<"次運行,平均聚類正確率: "<<100*M_R<<"%"<<endl;
	
	//輸出精度為小數點后6位
	resultfile.precision(6);
	//固定格式
	resultfile.setf(ios::fixed);
	resultfile<<"平均目標函數: "<<M_Index<<endl;



	
	return 0;
}