K-means EuclideanDistance

/**
 *function K-means EuclideanDistance
 *author aris_zzy     E-mail: aris_zzy@126.com
 *Date 2006-6-24
 *Cluster No. 0,1,2,3,4
 */
import java.lang.Math;
import java.io.*;
import java.util.Arrays;
import java.text.DecimalFormat;

public class KMeansEuclideanDistance {
 //to computer the EuclideanDistance
 private static double EuDistance(double array1[], double array2[]) {
  double Dist = 0.0;
  if (array1.length != array2.length) {
   System.out.println("the number of the arrary is ineql");
  } else {
   for (int i = 0; i < array2.length; i++) {
    Dist = Dist + (array1[i] - array2[i]) * (array1[i] - array2[i]);
   }
  }
  return Math.sqrt(Dist);
 }
 
 
    //to print the float Array
 private static void printArray(double array[]) {
  System.out.print('[');
  for (int i = 0; i < array.length; i++) {
   System.out.print(FORMAT.format(array[i]));
   if ((i + 1) < array.length) {
    System.out.print(", ");
   }
  }

  System.out.println(']');
 }
 //to print the int Array
 private static void printArray(int array[]) {
  System.out.print('[');
  for (int i = 0; i < array.length; i++) {
   System.out.print(array[i]);
   if ((i + 1) < array.length) {
    System.out.print(", ");
   }
  }

  System.out.println(']');
 }
 /*
 private static void printArray(abstract array[]) {
  System.out.print('[');
  for (int i = 0; i < array.length; i++) {
   System.out.print(FORMAT.format(array[i]));
   if ((i + 1) < array.length) {
    System.out.print(", ");
   }
  }

  System.out.println(']');
 }
 */
 //to print the Matrix
 private static void printMatrix(double Matrix[][], int row, int col){
  System.out.println("Matrix is:");
  System.out.println('{');
  for(int i=0; i<row; i++){
   //System.out.print('[');
   for (int j = 0; j < col; j++) {
    //Matrix[i][j]=-1.0; for test
    System.out.print(FORMAT.format(Matrix[i][j]));
    if ((j + 1) < col) {
    System.out.print(", ");
       }
      }
      //System.out.println(']');
      System.out.println();
     }
     System.out.println('}'); 
 }
 private static DecimalFormat FORMAT = new DecimalFormat("00.00");
 
 //Randperm the 前M form the randpern(N)
 private static int[] Randperm(int N,int M){
  double[]  PermF=new double[N];
  int[]     PermI=new int[N];
  int[]     RetArray=new int[M];
  double tempF;
  int    tempI;
  for(int i=0; i<N; i++){
   PermF[i]=Math.random();
   PermI[i]=i;   
  }
  //sort choosing the big to forward
  for(int i=0; i<N-1; i++){
   for(int j=i+1; j<N; j++){
    if(PermF[i]<PermF[j]){
     tempF=PermF[i];
     tempI=PermI[i];
     PermF[i]=PermF[j];
     PermI[i]=PermI[j];
     PermF[j]=tempF;
     PermI[j]=tempI;     
    }
   }
  }
  
  for(int i=0; i<M; i++){
   RetArray[i]=PermI[i];
  }
  return RetArray;
 }
 //the judge the equal two Array
 private static boolean IsEqual(int Array1[],int Array2[]){
  for(int i=0; i<Array1.length; i++){
   if(Array1[i]!=Array2[i]){
    return false;
   }
  }
  return true;  
 }
 
 //get the location of min element from the Array
 private static int MinLocation(double Array[]){
  int Location;
  double Min;
  //initial
  Min=Array[0];
  Location=0;
  //Iteration
  for(int i=1; i<Array.length; i++){
   if(Array[i]<Min){
    Location=i;
    Min=Array[i];    
   }
  }
  return Location;
  
 }
 
 
    //to clustering the data Matrix
    private static int[] KMeans(double Matrix[][], int row, int col,int ClusterNum){
     int[]  CenterId=new int[ClusterNum];
     int[]  Cid=new int[row];
     int[]  oldCid=new int[row];
     int[]  NumOfEveryCluster=new int[ClusterNum];
     double[][]  ClusterCenter=new double[ClusterNum][col];
     double[]  CenterDist=new double[ClusterNum];
     //initial the ClusterCenter
     //random get the ClusterCenter
     CenterId=Randperm(row,ClusterNum);
     for(int i=0; i<ClusterNum; i++){
      for(int j=0; j<col; j++){
        ClusterCenter[i][j]=Matrix[ CenterId[i] ][j];      
      }
     }
     //initial the oldCide
     for(int i=0; i<row; i++){
      oldCid[i]=1;
        }
     int MaxIter=200;
     int Iter=1;

     
     while( !IsEqual(Cid,oldCid) || Iter<MaxIter){
     //change it on 2006 6 25
      for(int i=0;i<row;i++){
       oldCid[i]=Cid[i];
      }
      
      //Implement the hmeans algorithm
      //For each Point, find the distance
      //to all cluster centers
      for(int i=0;i<row;i++){
       for(int j=0; j<ClusterNum;j++){
        CenterDist[j]=EuDistance(Matrix[i], ClusterCenter[j] );
       }
       Cid[i]=MinLocation(CenterDist);       
      }
      
      //to get the number of every cluster
      for(int j=0; j<ClusterNum; j++){
       NumOfEveryCluster[j]=0;
       for(int i=0; i<row; i++){
        if(Cid[i]==j){
         NumOfEveryCluster[j]=NumOfEveryCluster[j]+1;         
        }       
          }
      }
      
      //Find the new cluster centers
      //sum the ..........
      for(int j=0; j<ClusterNum; j++){       
       for(int k=0; k<col; k++){
        ClusterCenter[j][k]=0.0;
        for(int i=0; i<row; i++){
         if(Cid[i]==j){
          ClusterCenter[j][k]=ClusterCenter[j][k]+Matrix[i][k];
         }
        }
       }
         }
            //to means the sum...
            for(int j=0; j<ClusterNum; j++){
             for(int k=0; k<col; k++){
              ClusterCenter[j][k]=ClusterCenter[j][k]/NumOfEveryCluster[j];
             }
            }
            Iter=Iter+1;
     }
     
     return Cid;
    }
     
    //main to test the KMeans
    public static void main(String[] args) {
     int Matrix_row;
     int Matrix_col;
     int ClusterNum;
     Matrix_col=5;
     Matrix_row=10;
     ClusterNum=3;
  double[][]  Matrix = new double[Matrix_row][Matrix_col];
  
  
  //double[]  y = new double[Matrix_row];
  int[]  List=new int[Matrix_row];
  //int[]  List1=new int[Matrix_row];
  //List1[2]=1;
  //double    Dist;
  for(int i=0; i<Matrix_row; i++){
   for(int j=0; j<Matrix_col; j++){
    Matrix[i][j]=10*Math.random();
   }
  }
  //for test the code
  double[][]  DistMatrix=new double[Matrix_row][Matrix_row];
  for(int i=0; i<Matrix_row; i++){
   for(int j=0; j<Matrix_row; j++){
    DistMatrix[i][j]=EuDistance(Matrix[i],Matrix[j]);
   }
  }
  //printArray(Matrix[0]);
  //System.out.print(MinLocation(Matrix[0]));
     printMatrix(Matrix,Matrix_row,Matrix_col);
     System.out.println("The DistMatrix is:");
     printMatrix(DistMatrix,Matrix_row,Matrix_row);
    
     /*
     int[]     Perm=new int[10];
     Perm=Randperm(100,10);
     for(int i=0;i<100;i++){
      System.out.print(Perm[i]+" ");
     }
     */   
     //System.out.print(IsEqual(List,List1 ));
     List=KMeans(Matrix, Matrix_row, Matrix_col,ClusterNum);
     System.out.println("The result of clustering, value of No.i means the ith belong to the No.value cluster");
     printArray(List);
     System.runFinalization();
 }
} 

程序有个bug,如果你对明白了kmeans的思想自然会修改, 如果你想直接用,那就................

参看matlab的(上一篇)