纯java手动实现随即撒点模拟kmeans聚类算法

用纯java实现一个随机生成点的k-means聚类算法，附带散点图输出结果

k均值聚类算法的思想很简单，就是给定一个数据点集合和需要的聚类数目k，k由用户指定，根据距离函数反复把数据分入k个聚类中。
我用java简单实现了二维向量在平面随即撒点，之后随机选两个点作为两个聚类的中心，根据欧氏距离的判断哪些点属于哪些类。之后将每个类分别计算几何中心，随后将全体向量重新归类，反复进行多次直到两个中心点不在移动，这两个聚类就完成了。随后将两个聚类绘制成散点图表示出来。
不过存在几个问题：

• 随机点生成在整个平面，数据本身不存在聚类的特性，针对这个问题，在生成随机点的时候加一个偏置，人工生成聚类数据。
• 暂时没想到怎么将聚类的方法抽象化，当前代码是在main方法里实现的，因为感觉将多个聚类包装成集合返回有点不太合适，希望大家可以提供更优雅的代码
• 对于更高维的数据，部分代码需要重构，高效应对更高维数据的代码或许像上一点一样会产生多一个集合，有点浪费存储，同样不是很优雅。

代码结构

使用ArrayList保存向量组，向量的元素为double类型。中心点即向量，

ArrayList<Vector<Double>> vectorList ;
Vector<Double> center;

使用方法生成随即向量组，随即生成数据的时候将数据分为两拨，分别加减一个偏置值30，这里也可以设置一个形参进行调整

public static ArrayList<Vector<Double>>  generateVectorGroup(int vectorNum, int dim){
	ArrayList<Vector<Double>> vectorList = new ArrayList<Vector<Double>>();
		//随机填充向量组
		for(int i=0;i<vectorNum/2;i++) {//生成第i个向量
			Vector<Double> vTemp = new Vector<>();
			for(int j=0;j<dim;j++) {//向第i个向 量填充元素
				double randomTemp = Math.random()*100-30;
				vTemp.add((randomTemp)<0?(randomTemp+Math.random()*40):(randomTemp));
			}vectorList.add(vTemp);//讲向量加入向量组中
		}
		//增加偏置因子让数据更好的显示类别
		for(int i=0;i<vectorNum/2;i++) {//生成第i个向量
			Vector<Double> vTemp = new Vector<>();
			for(int j=0;j<dim;j++) {//向第i个向 量填充元素
				double randomTemp = Math.random()*100+30;
				vTemp.add((randomTemp)>100?(randomTemp-Math.random()*40):(randomTemp));
			}vectorList.add(vTemp);//讲向量加入向量组中
		}
		return vectorList;
}

定义一个计算两向量（二维点）距离的方法：

	//计算向量的欧式距离
	public static double calculationVectorDistance(Vector<Double> v1,Vector<Double> v2, int dim) {
		double distance = 0.0;
		for(int i=0;i<dim;i++) {
			distance += Math.pow((v1.get(i)-v2.get(i)),2);
		}
		return Math.sqrt(distance);
	}

定义一个计算向量组中心的方法，分别计算x和y的均值，需要注意，操作是按列进行的，特别注意两层循环遍历变量的范围

//计算聚类的中心
	public static Vector<Double> computeCenter(ArrayList<Vector<Double>> cluster, int dim){
		Vector<Double> center = new Vector<>();
		for(int i=0;i<dim;i++) {//遍历维数，纵向进行
			double calculate = 0.0;
			for(int j=0;j<cluster.size();j++) {//遍历向量
				calculate+=cluster.get(j).get(i);
			}
			center.add(calculate/cluster.size());
		}
		return center;
	}

接下来就是main方法，给定点数和维度，调用生成向量组的方法，随机选取两个中心进行迭代计算：
需要注意循环条件的判断。每轮计算可以输出当前的中心和距离等数值以供观察，这里没放，在文后的代码下载链接里有完整代码

int turn = 0;
		//开始聚类 使用do-while，直到中心收敛到某个范围内停止计算
		//每次迭代重新计算所有点和中心的距离，每次开始前清空聚类
		do {	
			//更新临时节点作为对比
			center1Temp.clear();
			center2Temp.clear();
			for(int i=0;i<2;i++) {
				center1Temp.add(center1.get(i));
				center2Temp.add(center2.get(i));
			}
			cluster1.clear();
			cluster2.clear();
			for(int i=0;i<vectorList.size();i++) {
				//计算向量组中所有点到本轮中心点的距离，根据距离差分为两类
				double distance1 = calculationVectorDistance(vectorList.get(i),center1,dim);
				double distance2 = calculationVectorDistance(vectorList.get(i),center2,dim);
				if(distance1>=distance2) {
					//该向量属于第二个类
					cluster2.add(vectorList.get(i));
				}else {
					cluster1.add(vectorList.get(i));
				}
			}//聚类完成
			//计算每个聚类的中心
			center1= computeCenter(cluster1,dim);
			center2 = computeCenter(cluster2,dim);
			turn++;
		}while(calculationVectorDistance(center1Temp, center1,dim)>= threshold && calculationVectorDistance(center2Temp, center2,dim)>= threshold);

接下来使用javafx的包进行图像显示

		for (int i=0;i<cluster1.size();i++) {
	    	  //括号内为横纵坐标
	    	aSeries.getData().add(new XYChart.Data(cluster1.get(i).get(0), cluster1.get(i).get(1)));
	    }
	    for (int i=0;i<cluster2.size();i++) {
	    	bSeries.getData().add(new XYChart.Data(cluster2.get(i).get(0), cluster2.get(i).get(1)));
	    }
	    aCenter.getData().add(new XYChart.Data(center1.get(0), center1.get(1)));
	    bCenter.getData().add(new XYChart.Data(center2.get(0), center2.get(1)));

	    answer.addAll(aSeries, bSeries,aCenter,bCenter);

运行结果

可以从每轮的输出中看到一步步的距离和中心的变动



javaFX绘图工具包下载地址

代码下载链接：
链接