K-means聚类分析算法(二)
package com.bigdata.ml.cluster;
import java.util.ArrayList;
import java.util.Random;
/**
* 聚类算法通常用于数据挖掘,将相似的数组进行聚簇
*
* @author zouzhongfan
*
*/
public class Kmeans {
private int k;// 分成多少簇
private int m;// 迭代次数
private int dataSetLength;// 数据集元素个数,即数据集的长度
private ArrayList<float[]> dataSet;// 数据集链表
private ArrayList<float[]> center;// 中心链表
private ArrayList<ArrayList<float[]>> cluster; // 簇
private ArrayList<Float> jc;// 误差平方和,k越接近dataSetLength,误差越小
private Random random;
/**
* 设置需分组的原始数据集
*
* @param dataSet
*/
public void setDataSet(ArrayList<float[]> dataSet) {
this.dataSet = dataSet;
}
/**
* 获取结果分组
*
* @return 结果集
*/
public ArrayList<ArrayList<float[]>> getCluster() {
return cluster;
}
/**
* 构造函数,传入需要分成的簇数量
*
* @param k
* ,簇数量,若k<=0时,设置为1,若k大于数据源的长度时,置为数据源的长度
*/
public Kmeans(int k) {
if (k <= 0) {
k = 1;
}
this.k = k;
}
/**
* 初始化
*/
private void init() {
m = 0;
random = new Random();
if (dataSet == null || dataSet.size() == 0) {
initDataSet();
}
dataSetLength = dataSet.size();
// 若k大于数据源的长度时,置为数据源的长度
if (k > dataSetLength) {
k = dataSetLength;
}
center = initCenters();// 初始化中心
cluster = initCluster();// 初始化簇集,分配内存,但元素为空
jc = new ArrayList<Float>();// 初始化误差平方和
}
/**
* 如果调用者未初始化数据集,则采用内部测试数据集
*/
private void initDataSet() {
dataSet = new ArrayList<float[]>();
// 其中{6,3}是一样的,所以长度为15的数据集分成14簇和15簇的误差都为0
float[][] dataSetArray = new float[][] { { 8, 2 }, { 3, 4 }, { 2, 5 },
{ 4, 2 }, { 7, 3 }, { 6, 2 }, { 4, 7 }, { 6, 3 }, { 5, 3 },
{ 6, 3 }, { 6, 9 }, { 1, 6 }, { 3, 9 }, { 4, 1 }, { 8, 6 } };
for (int i = 0; i < dataSetArray.length; i++) {
dataSet.add(dataSetArray[i]);
}
}
/**
* 初始化中心数据链表,分成多少簇就有多少个中心点
*
* @return 中心点集
*/
private ArrayList<float[]> initCenters() {
ArrayList<float[]> center = new ArrayList<float[]>();
int[] randoms = new int[k];
boolean flag;
// 生成k个互补相同的随机数
int temp = random.nextInt(dataSetLength);
randoms[0] = temp;
for (int i = 1; i < k; i++) {
flag = true;
while (flag) {
temp = random.nextInt(dataSetLength);
int j = 0;
while (j < i) {
if (temp == randoms[j]) {
break;
}
j++;
}
if (j == i) {
flag = false;
}
}
randoms[i] = temp;
}
// 生成初始化中心链表
for (int i = 0; i < k; i++) {
center.add(dataSet.get(randoms[i]));
}
return center;
}
/**
* 初始化簇集合
*
* @return 一个分为k簇的空数据的簇集合
*/
private ArrayList<ArrayList<float[]>> initCluster() {
ArrayList<ArrayList<float[]>> cluster = new ArrayList<ArrayList<float[]>>();
for (int i = 0; i < k; i++) {
cluster.add(new ArrayList<float[]>());
}
return cluster;
}
/**
* 计算两个点之间的距离(欧几里得距离)
*
* @param element
* 点1
* @param center
* 点2
* @return 距离
*/
private float distance(float[] element, float[] center) {
float distance = 0.0f;
float x = element[0] - center[0];
float y = element[1] - center[1];
float z = x * x + y * y;
distance = (float) Math.sqrt(z);
return distance;
}
/**
* 获取距离集合中最小距离的位置
*
* @param distance
* 距离数组
* @return 最小距离在距离数组中的位置
*/
private int minDistance(float[] distance) {
float minDistance = distance[0];
int minLocation = 0;
for (int i = 1; i < distance.length; i++) {
if (distance[i] < minDistance) {
minDistance = distance[i];
minLocation = i;
} else if (distance[i] == minDistance) // 如果相等,随机返回一个位置
{
if (random.nextInt(10) < 5) {
minLocation = i;
}
}
}
return minLocation;
}
/**
* 核心 计算两点之间的距离,并将当前元素放到最小距离中心的簇中
*/
private void clusterSet() {
float[] distance = new float[k];
for (int i = 0; i < dataSetLength; i++) {
for (int j = 0; j < k; j++) {
distance[j] = distance(dataSet.get(i), center.get(j));// 计算两个点之间的距离
}
int minLocation = minDistance(distance);
cluster.get(minLocation).add(dataSet.get(i));// 核心,将当前元素放到最小距离中心的簇中
}
}
/**
* 求两点误差平方的方法
*
* @param element
* 点1
* @param center
* 点2
* @return 误差平方
*/
private float errorSquare(float[] element, float[] center) {
float x = element[0] - center[0];
float y = element[1] - center[1];
float errSquare = x * x + y * y;
return errSquare;
}
/**
* 计算误差平方和准则函数方法
*/
private void countRule() {
float jcF = 0;
for (int i = 0; i < cluster.size(); i++) {
for (int j = 0; j < cluster.get(i).size(); j++) {
jcF += errorSquare(cluster.get(i).get(j), center.get(i));
}
}
jc.add(jcF);
}
/**
* 设置新的簇中心方法
*/
private void setNewCenter() {
for (int i = 0; i < k; i++) {
int n = cluster.get(i).size();
if (n != 0) {
float[] newCenter = { 0, 0 };
for (int j = 0; j < n; j++) {
newCenter[0] += cluster.get(i).get(j)[0];
newCenter[1] += cluster.get(i).get(j)[1];
}
// 设置一个平均值
newCenter[0] = newCenter[0] / n;
newCenter[1] = newCenter[1] / n;
center.set(i, newCenter);
}
}
}
/**
* 打印数据,测试用
*
* @param dataArray
* 数据集
* @param dataArrayName
* 数据集名称
*/
public void printDataArray(ArrayList<float[]> dataArray,
String dataArrayName) {
for (int i = 0; i < dataArray.size(); i++) {
System.out.println("print:" + dataArrayName + "[" + i + "]={"
+ dataArray.get(i)[0] + "," + dataArray.get(i)[1] + "}");
}
System.out.println("===================================");
}
/**
* Kmeans算法核心过程方法
*/
private void kmeans() {
init();// 初始化
printDataArray(dataSet, "initDataSet"); // 输出初始化数据集
printDataArray(center, "initCenter"); // 输出初始化中心
// 循环分组,直到误差不变为止
while (true) {
clusterSet(); // 生成簇集元素
// 输出簇集生成结果
for (int i = 0; i < cluster.size(); i++) {
printDataArray(cluster.get(i), "cluster[" + i + "]");
}
countRule();// 计算误差平方和
System.out.println("count:" + "jc[" + m + "]=" + jc.get(m));
System.out.println();
// 判断退出迭代条件,当最近两次的误差平方和相等,则退出迭代。
if (m != 0) {
if (jc.get(m) - jc.get(m - 1) == 0) {
break;
}
}
setNewCenter();// 计算新的中心
printDataArray(center, "newCenter");// 输出新的中心
m++;
cluster.clear(); // 簇集清空
cluster = initCluster(); // 簇集初始化
}
System.out.println("note:the times of repeat:m=" + m);// 输出迭代次数
}
/**
* 执行算法
*/
public void execute() {
long startTime = System.currentTimeMillis();
System.out.println("kmeans begins");
kmeans();
long endTime = System.currentTimeMillis();
System.out.println("kmeans running time=" + (endTime - startTime)
+ "ms");
System.out.println("kmeans ends");
System.out.println();
}
public static void main(String[] args) {
// 初始化一个Kmean对象,将k置为3
Kmeans k = new Kmeans(3);
ArrayList<float[]> dataSet = new ArrayList<float[]>();
dataSet.add(new float[] { 1, 2 });
dataSet.add(new float[] { 3, 3 });
dataSet.add(new float[] { 3, 4 });
dataSet.add(new float[] { 5, 6 });
dataSet.add(new float[] { 8, 9 });
dataSet.add(new float[] { 4, 5 });
dataSet.add(new float[] { 6, 4 });
dataSet.add(new float[] { 3, 9 });
dataSet.add(new float[] { 5, 9 });
dataSet.add(new float[] { 4, 2 });
dataSet.add(new float[] { 1, 9 });
dataSet.add(new float[] { 7, 8 });
// 设置原始数据集
k.setDataSet(dataSet);
// 执行算法
k.execute();
// 得到聚类结果
ArrayList<ArrayList<float[]>> cluster = k.getCluster();
// 查看结果
for (int i = 0; i < cluster.size(); i++) {
k.printDataArray(cluster.get(i), "cluster[" + i + "]");
}
}
}
以上代码介绍,就是把距离考的比较近的数组规划到一起,查看有哪些数组是距离比较考的最近的,方法和方式和一维数组聚类差不多。
K-means聚类分析算法(二)相关推荐
- k means聚类算法_一文读懂K-means聚类算法
1.引言 什么是聚类?我们通常说,机器学习任务可以分为两类,一类是监督学习,一类是无监督学习.监督学习:训练集有明确标签,监督学习就是寻找问题(又称输入.特征.自变量)与标签(又称输出.目标.因变量) ...
- k means聚类算法_K-Means 聚类算法 20210108
说到聚类,应先理解聚类和分类的区别 聚类和分类最大的不同在于:分类的目标是事先已知的,而聚类则不一样,聚类事先不知道目标变量是什么,类别没有像分类那样被预先定义出来. K-Means 聚类算法有很多种 ...
- OpenCV官方文档 理解k - means聚类
理解k - means聚类 目标 在这一章中,我们将了解k - means聚类的概念,它是如何工作等. 理论 我们将这个处理是常用的一个例子. t恤尺寸问题 考虑一个公司要发布一个新模型的t恤. 显然 ...
- kmeans改进 matlab,基于距离函数的改进k―means 算法
摘要:聚类算法在自然科学和和社会科学中都有很普遍的应用,而K-means算法是聚类算法中经典的划分方法之一.但如果数据集内相邻的簇之间离散度相差较大,或者是属性分布区间相差较大,则算法的聚类效果十分有 ...
- 机器学习笔记(3)——使用聚类分析算法对文本分类(分类数k未知)
聚类分析是一种无监督机器学习(训练样本的标记信息是未知的)算法,它的目标是将相似的对象归到同一个簇中,将不相似的对象归到不同的簇中.如果要使用聚类分析算法对一堆文本分类,关键要解决这几个问题: 如何衡 ...
- k均值聚类算法(K Means)及其实战案例
算法说明 K均值聚类算法其实就是根据距离来看属性,近朱者赤近墨者黑.其中K表示要聚类的数量,就是说样本要被划分成几个类别.而均值则是因为需要求得每个类别的中心点,比如一维样本的中心点一般就是求这些样本 ...
- SPSS聚类分析:K均值聚类分析
SPSS聚类分析:K均值聚类分析 一.概念:(分析-分类-K均值聚类) 1.此过程使用可以处理大量个案的算法,根据选定的特征尝试对相对均一的个案组进行标识.不过,该算法要求您指定聚类的个数.如果知道, ...
- 文本聚类分析算法_常用的聚类分析算法综述
聚类分析定义 所谓聚类就是按照事物的某些属性,把事物聚集成类,使类间的相似性尽可能小,类内相似性尽可能大.聚类是一个无监督的学习过程,它同分类的根本区别在于分类是需要事先知道所依据的数据特征,而聚类是 ...
- K-Means(K均值聚类算法)
K-Means(K均值聚类算法) 1.前言 要学习聚类算法就要知道聚类学习算法是什么,为什么要学习聚类学习聚类学习算法,有什么用途,下面就简单的做一下介绍,并且详细的说明k-means均值聚类学习算法 ...
- 文本聚类分析算法_读书笔记(8)kmeans聚类算法及应用
1.问题导入 假如有这样一种情况,在一天你想去某个城市旅游,这个城市里你想去的有70个地方,现在你只有每一个地方的地址,这个地址列表很长,有70个位置.事先肯定要做好攻略,你要把一些比较接近的地方放在 ...
最新文章
- 使用FileItem获取文件名时注意事项
- 为何说“内容+社交”是奥运发展化趋势?
- spark hive udf java_【填坑六】 spark-sql无法加载Hive UDF的jar
- python多进程模板
- python的翻译-用python实现百度翻译的示例代码
- 《庆余年》,腾讯视频、爱奇艺为“互联网黑产”背锅的一出戏
- JBOSS通过Apache负载均衡方法一:使用mod_jk
- 警示!国基金评审过程“打招呼”被通报批评,撤销已资助项目!
- ORA-27101 Shared memory realm does not exist 之解決 (转)
- CSDN 如何删除自己不用的分类(亲测有效!)
- ibatis 直接升格为 apache 一级项目了
- 2.GitLab 项目管理
- 集群服务器分布式iis_使用nginx实现分布式限流的方法
- 上传项目到GitLab
- 游戏ai人工智能_AI与游戏,第1部分:游戏如何推动了两门AI研究流派
- golang 实现http mock server
- 搭建自己的小程序服务器
- 混合算法(SA+TS)解决TSP问题——lua实现(Microcity)
- 算法学习之Markov Model(马尔可夫模型)
- docker容器日常管理(四)
热门文章
- 怎样查阅电脑最大能够扩充多大的内存
- 人如果没有愿望。。。。。。
- 20151227感知机(perceptron)
- php 实现 java com.sun.org.apache.xml.internal.security.utils.Base64 Byte数组加密
- LeetCode 3sum 问题
- 3-Spring Boot的数据访问
- html最小化位置不变,实现DIV相对于浏览器固定位置不变
- iso镜像添加软件包_超薄Docker容器-减少Docker镜像大小的指南
- python 伪多线程_Python实现简单多线程任务队列
- 佳能fax_l150如何打印_佳能faxl150说明书下载