K-means聚类

K-means聚类算法的一般步骤：

* 初始化。输入基因表达矩阵作为对象集X，输入指定聚类类数N，并在X中随机选取N个对象作为初始聚类中心。设定迭代中止条件，比如最大循环次数或者聚类中心收敛误差容限。
* 进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心，从而形成一类。初始化隶属度矩阵。
* 更新聚类中心。然后以每一类的平均向量作为新的聚类中心，重新分配数据对象。
* 反复执行第二步和第三步直至满足中止条件。
具体实现代码如下：
public class BasicKMeans implements Serializable{

/**
*
*/
private static final long serialVersionUID = 1L;

private int numClusters=2;//想要聚类的个数

private int coordCount;//数据的个数

private double[][] datas;//原始数据

private KCluster[] _clusters;//聚类

/*
* 定义一个变量用于记录和跟踪每个资料点属于哪个群聚类
*_clusterAssignments[j]=i;// 表示第 j 个资料点对象属于第 i 个群聚类
*/
final int[] _clusterAssignments;

// 定义一个变量用于记录和跟踪每个资料点离聚类最近
private final int[] _nearestCluster;

/*定义一个变量，来表示资料点到中心点的距离,
*其中_distanceCache[i][j]表示第i个资料点到第j个群聚对象中心点的距离；
*/
private final double[][] _distanceCache;

private static final Random _rnd = new Random(1);

public BasicKMeans(double[][]datas,int num){
this.datas=datas;
this.numClusters=num;
this.coordCount=datas.length;
this._clusters=new KCluster[num];
_clusterAssignments=new int[coordCount];
_nearestCluster=new int[coordCount];
_distanceCache=new double[coordCount][numClusters];
InitRandom();
}

//
public void start(){
while(true){
//1、重新计算每个聚类的均值
for(int i=0;i<numClusters;i++){
_clusters[i].updateCenter(datas);
}
//2 计算每个数据与聚类中心的距离
for(int i=0;i<coordCount;i++){
for(int j=0;j<numClusters;j++){
double dist=getDistance(datas[i],_clusters[j].center);
_distanceCache[i][j]=dist;
}
}
//3、计算每个数据离哪个聚类最近
//4、比较每个数据最近的聚类是否就是它所属的聚类
//如果全相等表示所有的点已经是最佳距离了，直接返回；
int k=0;
for(int i=0;i<coordCount;i++){
_nearestCluster[i]=nearestCluster(i);
if(_clusterAssignments[i]==_nearestCluster[i])
k++;
}
if(k==coordCount)
break;
//5、否则需要重新调整资料点和群聚类的关系，调整完毕后再重新开始循环；
//需要修改每个聚类的成员和表示某个数据属于哪个聚类的变量
for(int i=0;i<numClusters;i++){
_clusters[i].currentMembership.clear();
}
for(int i=0;i<coordCount;i++){
_clusters[_nearestCluster[i]].currentMembership.add(i);
_clusterAssignments[i]=_nearestCluster[i];
}
}
}

//计算某个资料点最近的聚类
public int nearestCluster(int index){
int indexCluster=-1;
double min=Double.MAX_VALUE;
for(int i=0;i<numClusters;i++){
double dis=_distanceCache[index][i];
if(dis<min){
min=dis;
indexCluster=i;
}
}
if(indexCluster==-1)
;
return indexCluster;
}
//计算某数据离某聚类中心的距离时
public double getDistance(double[] data,double[] center){
//1 采用距离的算法计算
int len=data.length;
double sum=0;
for(int i=0;i<len;i++){
double v=data[i]-center[i];
sum+=v*v;
}
return Math.sqrt(sum);

}

// 随机初始化k个聚类
private void InitRandom(){
for (int i = 0; i < numClusters; i++)
{
int temp = _rnd.nextInt(coordCount);
_clusterAssignments[temp] = i; // 记录第temp个资料属于第i个聚类
_clusters[i] = new KCluster(temp,datas[temp]);
}
}


public class KCluster {

public List<Integer> currentMembership = new ArrayList<Integer>();// 用于表示每个群聚包含的数据资料点集合
double[] center;// 用于表示每个聚类对象的均值，也就是中心对象

public KCluster(int dataIndex,double[] data){
currentMembership.add(dataIndex);
this.center=data;
}
// 根据 mCurrentMembership 取得原始资料点对象 coord ，该对象是 coordinates 的一个子集；
//然后取出该子集的均值；取均值的算法很简单，可以把 coordinates 想象成一个 m*n 的距阵 ,
//每个均值就是每个纵向列的取和平均值 , //该值保存在 mCenter 中
public void updateCenter(double[][] coordinates){
for(int i=0;i<currentMembership.size();i++){
double[] coord=coordinates[currentMembership.get(i)];
for(int j=0;j<coord.length;j++)
center[j]+=coord[j];// 得到每个纵向列的和；
}
for(int k=0;k<center.length;k++)
center[k]/=currentMembership.size();// 对每个纵向列取平均值
}

}