基于马氏距离的模糊c均值聚类算法源代码（c++）

/*
模糊C聚类（mahalanobis距离）的C/C++程序实现
1.屏幕输入项：RULE_NUM Max_ITE FU_GRADE BAND图像的行列数ROW,COL
2.输出项：聚类结果图：ClusterResult.raw;聚类中心:Cluster_Center.txt
来源：遥感数据智能处理方法与程序设计 马建文等编著 科学出版社
*/
#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#define RULE_NUM 7 //类别数目
#define Max_ITE 50 //最大迭代次数
#define FU_GRADE 2.5 //模糊加权指数，取值最佳范围为1.5-2.5
#define error 0.001 //隶属度学习终止函数
#define BAND 3 //波段数
double Random(double f)
{
 double r;
 r=(f*rand())/RAND_MAX;
 if(r>=f) r=f;
 return r;
}
void main()
{
 long i,j,k,l,IT;
 long NumPatterns,ROW,COL;//样本数
 long ID_center[RULE_NUM];//记录聚类中心所属的类
 long *I; //聚类中心或规则中心所对应的样本编号，-1是无样本与其对应
 long *Labclass; //存放分类的结果
 unsigned char *A,**band,**NumData,*result_image;
 double err,U_SUM,ZI,Dij,Dik,Dequ,best,dist;

 double **OLD_U;//OLD_U[Numpatterns][RULE_NUM]旧的模糊隶属度
 double **U;// U[Numpatterns][RULE_NUM] 模糊隶属度 subjection
 double **Rule_Center;//Rule_Center[RULE_NUM][BAND]存放聚类中心的位置
 FILE *fp,*cluster_center,*fresult_class;
 printf("屏幕输入图像的行列数：\n");
 scanf("%d%d",&ROW,&COL);
 NumPatterns=ROW*COL;
 for(i=0;i<RULE_NUM;i++)
  ID_center[i]=-1;//初始化类别信息
 err=0.0;
 A=new unsigned char[RULE_NUM];
 for(i=0;i<RULE_NUM;i++)
  A[i]=0;
 I=new long[RULE_NUM];
 for(i=0;i<RULE_NUM;i++)
  I[i]=-1;
 band=new unsigned char*[BAND];
 for(i=0;i<BAND;i++)
  band[i]=new unsigned char[NumPatterns];
 NumData=new unsigned char*[NumPatterns];//开辟空间读入样本
 for(i=0;i<NumPatterns;i++)
  NumData[i]=new unsigned char[BAND];
 Labclass=new long [NumPatterns];//空间大小等于样本数，开辟空间记录神经元所属类别
 for(i=0;i<NumPatterns;i++)
  Labclass[i]=-1;
 result_image=new unsigned char[NumPatterns];
 for(i=0;i<NumPatterns;i++)
  result_image[i]=0;
 //往通道中输入数据
 fp=fopen("","rb");