K-Means聚类算法java实现

最新推荐文章于 2024-07-02 10:45:45 发布

p312011150

最新推荐文章于 2024-07-02 10:45:45 发布

阅读量3.7k

点赞数 2

分类专栏： java Machine Learning

java 同时被 2 个专栏收录

409 篇文章 4 订阅

订阅专栏

Machine Learning

10 篇文章 0 订阅

订阅专栏

对于K-Means算法想必做机器学习和数据挖掘的广大同胞们已经不再陌生，做为数据挖据的十大经典算法之一，k-Means做聚类分析上有得天独厚的优势。对于其原理进行简单的描述：

k-Means算法是典型的基于距离的聚类算法，采用的是距离作为相似性指标。经过n次迭代后，当中心的位置不在发生变换的时候即是收敛完成。

算法：

1. 从n个文档中随机的选择出k个文档作为质心

2.从剩余的文档中测量出每个文档到质心的距离，并归类到最小质心的一类中

3. 重新计算质心的位置

4.重复2-3步，直到迭代完成。

由以上步骤，可以有java实现K-Means算法。随机产生100个点，设置k=5后进行聚类操作：

1.主函数：

 
   [html]  
   view plaincopy
package KMeans;  
import java.util.ArrayList;  
  
/**  
 * K-Means算法  
 * @author Administrator  
 *  
 */  
public class k_means {  
  
    /**  
     * @param args  
     */  
    public static void main(String[] args) {  
    //1.创建二维数组 10x10的数组  
        int num_1[]=new int[100];  
        int num_2[]=new int[100];  
        //随机赋值  
  
            for(int i=0;i<100;i++){  
                num_1[i]=(int)( Math.random()*100);  
            }  
          
            for(int i=0;i<100;i++){  
                num_2[i]=(int)( Math.random()*100);  
            }  
        // 2.创建点坐标  
            ArrayList<pointBean> list=new ArrayList<pointBean>();  
            pointBean bean;  
            for(int i=0;i<100;i++){  
                bean=new pointBean();  
                bean.point_x=num_1[i];  
                bean.point_y=num_2[i];  
                list.add(bean);  
            }  
     // 执行k-means算法  
         getDataKMeans gg=new getDataKMeans();  
         gg.setData(list);  
  
    }  
}  

2.设置点的x,y坐标的Bean

 
   [html]  
   view plaincopy
package KMeans;  
  
public class pointBean {  
int point_x;  
int point_y;  
public int getPoint_x() {  
    return point_x;  
}  
public void setPoint_x(int point_x) {  
    this.point_x = point_x;  
}  
public int getPoint_y() {  
    return point_y;  
}  
public void setPoint_y(int point_y) {  
    this.point_y = point_y;  
}  
@Override  
public String toString() {  
    return "pointBean [point_x=" + point_x + ", point_y=" + point_y + "]";  
}  
public pointBean(int point_x, int point_y) {  
    super();  
    this.point_x = point_x;  
    this.point_y = point_y;  
}  
public pointBean() {  
    super();  
}  
}  

3.聚类的计算部分：

 
   [html]  
   view plaincopy
package KMeans;  
  
import java.util.ArrayList;  
  
public class getDataKMeans {  
  
    int k=5;//k值  
      //第一个中心点x,y  
    static double con1_x;  
    static double con1_y;  
    //第一个中心点x,y  
    static double con2_x;  
    static double con2_y;  
    //第一个中心点x,y  
    static double con3_x;  
    static double con3_y;  
    //第一个中心点x,y  
    static double con4_x;  
    static double con4_y;  
    //第一个中心点x,y  
    static double con5_x;  
    static double con5_y;         
    //创建5个list装各个点  
    ArrayList<pointBean> list1=new ArrayList<pointBean>();  
    ArrayList<pointBean> list2=new ArrayList<pointBean>();  
    ArrayList<pointBean> list3=new ArrayList<pointBean>();  
    ArrayList<pointBean> list4=new ArrayList<pointBean>();  
    ArrayList<pointBean> list5=new ArrayList<pointBean>();  
      
    public  void setData(ArrayList<pointBean> list){  
        con1_x=list.get(0).point_x;  
        con1_y=list.get(0).point_y;  
        con2_x=list.get(1).point_x;  
        con2_y=list.get(1).point_y;  
        con3_x=list.get(2).point_x;  
        con3_y=list.get(2).point_y;  
        con4_x=list.get(3).point_x;  
        con4_y=list.get(3).point_y;  
        con5_x=list.get(4).point_x;  
        con5_y=list.get(4).point_y;  
        //分别加入list中  
        list1.add(list.get(0));  
        list2.add(list.get(1));  
        list3.add(list.get(2));  
        list4.add(list.get(3));  
        list5.add(list.get(4));  
        //循环操作  
        for(int i=5;i<list.size();i++){  
            getLength(list.get(i));  
        }         
        // 打印出对应的中心点 、聚类的值  
        System.out.println("-------1-------");  
        System.out.println("1的中心点:"+con1_x+" "+con1_y);  
        for(int i=0;i<list1.size();i++){  
            System.out.println(list1.get(i).point_x+" "+list1.get(i).point_y);  
        }  
        System.out.println("-------2-------");  
        System.out.println("2的中心点:"+con2_x+" "+con2_y);  
        for(int i=0;i<list2.size();i++){  
            System.out.println(list2.get(i).point_x+" "+list2.get(i).point_y);  
        }  
        System.out.println("-------3-------");  
        System.out.println("3的中心点:"+con3_x+" "+con3_y);  
        for(int i=0;i<list3.size();i++){  
            System.out.println(list3.get(i).point_x+" "+list3.get(i).point_y);  
        }  
        System.out.println("-------4-------");  
        System.out.println("4的中心点:"+con4_x+" "+con4_y);  
        for(int i=0;i<list4.size();i++){  
            System.out.println(list4.get(i).point_x+" "+list4.get(i).point_y);  
        }  
        System.out.println("-------5-------");  
        System.out.println("5的中心点:"+con5_x+" "+con5_y);  
        for(int i=0;i<list5.size();i++){  
            System.out.println(list5.get(i).point_x+" "+list5.get(i).point_y);  
        }     
    }  
    /**  
     * 求出每个点到中心点距离  
     * @param point  
     */  
    public  void getLength(pointBean point) {  
        int x=point.point_x;  
        int y=point.point_y;  
          
          
        double s1=(x-con1_x)*(x-con1_x)+(y-con1_y)*(y-con1_y);  
        double s2=(x-con2_x)*(x-con2_x)+(y-con2_y)*(y-con2_y);  
        double s3=(x-con3_x)*(x-con3_x)+(y-con3_y)*(y-con3_y);  
        double s4=(x-con4_x)*(x-con4_x)+(y-con4_y)*(y-con4_y);  
        double s5=(x-con5_x)*(x-con5_x)+(y-con5_y)*(y-con5_y);  
          
        double nn[]={s1,s2,s3,s4,s5};  
        // 找出最小的一个  
        double temp=nn[0];  
        for(int i=1;i<nn.length;i++){  
            if(nn[i]<=temp)  
                temp=nn[i];  
        }  
        // 添加点  
        if(temp==s1){  
            list1.add(point);  
            upDataPoint(list1,con1_x,con1_y);  
        }  
        if(temp==s2){  
            list2.add(point);  
            upDataPoint(list2,con2_x,con2_x);  
        }  
        if(temp==s3){  
            list3.add(point);  
            upDataPoint(list3,con3_x,con3_x);  
        }  
        if(temp==s4){  
            list4.add(point);  
            upDataPoint(list4,con4_x,con4_x);  
        }  
        if(temp==s5){  
            list5.add(point);  
            upDataPoint(list5,con5_x,con5_x);  
        }  
          
          
          
          
          
          
          
    }  
    /**  
     * 更新中心点坐标  
     * @param list  
     */  
    private void upDataPoint(ArrayList<pointBean> list,double x,double y) {  
        double up_x=0;  
        double up_y=0;  
        for(int i=0;i<list.size();i++){  
            up_x+=list.get(i).point_x;  
            up_y+=list.get(i).point_y;  
        }  
        x=up_x/(list.size());  
        y=up_y/(list.size());  
    }  
  
}  

得到的测试结果：

 
   [html]  
   view plaincopy
-------1-------  
1的中心点:37.0 80.0  
37 80  
54 88  
10 50  
45 85  
40 95  
51 87  
47 90  
42 97  
30 61  
20 63  
60 80  
37 93  
47 79  
37 96  
58 86  
-------2-------  
2的中心点:55.0 57.0  
55 57  
89 81  
56 58  
49 53  
58 62  
42 52  
26 49  
94 95  
21 44  
1 19  
27 53  
59 74  
61 77  
32 56  
49 54  
10 39  
53 55  
48 58  
8 36  
63 63  
4 26  
49 62  
63 80  
45 62  
-------3-------  
3的中心点:79.0 22.0  
79 22  
84 41  
68 17  
79 2  
99 33  
69 11  
70 29  
52 8  
94 25  
81 8  
54 20  
81 32  
81 34  
48 2  
22 1  
89 27  
57 18  
42 11  
50 6  
74 28  
98 27  
98 36  
-------4-------  
4的中心点:59.0 51.0  
59 51  
64 40  
21 8  
5 19  
29 32  
62 40  
7 5  
16 25  
53 36  
28 29  
33 19  
80 55  
50 40  
98 76  
81 53  
23 23  
92 62  
85 63  
65 36  
48 44  
25 30  
11 15  
97 79  
16 9  
60 43  
59 51  
67 43  
-------5-------  
5的中心点:10.0 97.0  
10 97  
14 74  
13 89  
1 60  
4 94  
6 72  
1 73  
4 86  
18 80  
2 81  
11 70  
19 97 