java手撕KMeans算法实现手写数字聚类（失败案例）

最近几天刚刚接触机器学习，学完K-Means聚类算法。正好又赶上一个课程项目是识别“手写数字”，因为KMeans能够实现聚类，因此自然而然地想要通过KMeans来实现。

前排提示：这是kmeans聚类的一个失败案例，没有成功聚类，仅供参考。

一，什么是KMeans聚类算法？？

非常传统的聚类算法，目的是将一堆数据进行分类。

它的思想很朴素：假设这里有一群点，要将这些点分成两类。要是分成的类很合理的话，那不同类之间的中心点相聚是不是应该足够大，中心点附近的同一类的点是不是应该足够多？

举个例子：

a表示的是一堆原始点，没有处理。要将a聚类成两类，先随便找到两个点，计算所有点到这两个点的距离（欧式距离，曼哈顿距离，闵式距离等等都可以），根据距离最近的原则分配成两类。这时候是不是就能够得到两类的中心点，然后再次重复操作，直到最后聚出来的类不会发生变化。

so easy 是不是

二，使用的手写数字测试集？？

我们在这里使用的是mnist测试集。这家伙的知名程度在机器学习中相当于是hello world了。不知道的小伙伴可以去查查。

但是一定有人会问到，mnist测试集应该怎么通过java使用呢？

不用担心，我用Python通过TensorFlow将mnist测试集打包成了txt文件，用java的文件操作直接调用就可以了。

具体效果像这样：

 这是28 * 28的二维int数组，每个值介于0到255之间，熟悉图像处理的小伙伴一定知道这是灰度值，0表示最黑，255表示最亮，因此这是黑纸白字的测试集，大家要是自己写测试数据的使用要记着对图片进行预处理，要不然可能会出错。

我将txt命名为：数字名-标号的形式，方便之后训练和测试。

 三，java手撕KMeans算法

先摆上一个算法流程图

 1.首先定义：

           训练图片（50000 * 28 * 28 的三维数组）

           聚类中心（10 * 28 * 28的三维数组）

           每张图片到聚类中心的距离（50000 * 10 的二维数组）

           旧的类和新的类（ArrayList[] 数组，因为不知道一个类中到底会有多少个图片）

    static float[][][] num = new float[50000][28][28];
    static float[][][] center = new float[10][28][28];// 聚类中心
    static long[][] distance = new long[num.length][10];
    static ArrayList<Integer>[] oldKinds = new ArrayList[10];// 旧的聚类
    static ArrayList<Integer>[] newKinds = new ArrayList[10];

 2.定义方法：

        从Txt文件导入测试数据的方法

public static void getTXT(String path,int img,int x,int y) throws IOException {
        File file = new File(path);
        FileInputStream fis = new FileInputStream(file);
        InputStreamReader isr = new InputStreamReader(fis);
        BufferedReader br = new BufferedReader(isr);

        String line;
        while((line = br.readLine()) != null){
            boolean isNum = false;
            for(int i = 0;i < line.length();i ++){
                if(line.charAt(i) != ' ' && !isNum){
                    // 如果遇到数字
                    isNum = true;
                    float tempNum = 0;
                    // 取数字
                    while(i < line.length() && line.charAt(i) != ' '){
                        tempNum = tempNum * 10 + line.charAt(i) - '0';
                        i++;
                    }
                    isNum = false;
                    if(y < 28){
                    }
                    else{
                        y = 0;
                        x ++;
                    }
                    num[img][x][y] = tempNum;
                    y++;
                }
            }
        }
        br.close();
    }

        获得图片到聚类中心距离的方法