// ISODATA.h

#pragma once

#include "stdafx.h"
#include <time.h>
#include <stdlib.h>
#include "Pattern.h"
#include "Sort.h"

/******************************************************************
//	class name:	ISODATA
//	description:	ISODATA類，該類為實(shí)現(xiàn)ISODATA算法的主要類
		算法的流程按照教材所給出的步驟進(jìn)行，主要流程執(zhí)行函數(shù)為：
		int ISODATA::Process();
//	limitation:	算法中流程在執(zhí)行時使用了 goto 命令，難以替換為while或for的循環(huán)。
******************************************************************/
class ISODATA
{
	// 參數(shù)	
	int c;			// 預(yù)期的類數(shù)；
	int Nc;			// 初始聚類中心個數(shù)（可以不等于c）；
	int theta_n;	// 每一類中允許的最少模式數(shù)目（若少于此數(shù)，就不能單獨(dú)成為一類）；
	double theta_s;	// 類內(nèi)各分量分布的標(biāo)準(zhǔn)差上限（大于此數(shù)就分裂）；
	double theta_D;	// 兩類中心間的最小距離下限（若小于此數(shù)，這兩類應(yīng)合并）；
	int L;			// 在每次迭代中可以合并的類的最多對數(shù)；
	int I;			// 允許的最多迭代次數(shù)；

	Sort w[MAXNUM];		// 類
	Pattern x[MAXNUM];	// 模式
	double _d;			// 總體平均距離
	int Ip;				// 迭代次數(shù)
	double D[MAXNUM][MAXNUM];	// 各類對中心間的距離	

public:
	ISODATA();
	~ISODATA();

	// 設(shè)置樣本
	int SetupPattern(Pattern * x);
	// ISODATA算法流程
	int Process();	

private:
	// step1:	設(shè)定聚類分析控制參數(shù)
	void SetupParameter();
	// 3)選定初始聚類中心
	void InitCenter();
	// step2:	按最小距離原則將模式集（xi）中每個模式分到某一類中
	void Clustering();
	// step3:	依據(jù)theta_n判斷合并。如果類wj中樣本數(shù)nj<theta_n，則取消該類的中心zj，Nc = Nc - 1；轉(zhuǎn)至 step2.
	bool CombinBytheta_n();
	// step4:	計算分類后的參數(shù)：各類中心、類內(nèi)平均距離及總體平均距離。
	void CalParameter();
	// step6:	計算各類類內(nèi)距離的標(biāo)準(zhǔn)差矢量
	void CalSigma();
	// step7:	求出每一聚類類內(nèi)距離標(biāo)準(zhǔn)差矢量sigma中的最大分量sigma_max
	void CalMaxSigma();
	// step8:	判斷分裂
	bool Split();
	// step9:	計算各類對中心間的距離
	void CalCenterDis();
	// step10:	依據(jù)theta_D判斷合并
	bool CombinBytheta_D();
	// 輸出當(dāng)前模式分類情況
	void PrintSort();
};