Java--K-Means算法的Java简单实现

算法说明：

（每次运行都会生成新的样本点，若想要固定的样本点，可在第二次运行时不执行createData方法）
1、使用方法：在Run类的main方法里面新建KMeans对象，并依次调用createData、getData、sort方法
2、首先会随机生成训练样本，写入文件data.txt，并读取保存在data数组里面
3、用随机数随机选出K个初始的中心点
4、计算所有点到K个中心点的距离，选出距离最近的那个点，将其归属于该中心点的一类，完成后会将样本点分成K类
5、计算每一类样本点的平均值，平均值为每一类新的中心点
6、重复4、5步骤，直到收敛（到达迭代次数或两次迭代得到的中心点一致）

实现部分

import java.io.*;
import java.util.ArrayList;
import java.util.Random;

public class KMeans {
   
    double[][] data = new double[500][2];//从文件中读取的数据集
    private int K;//分成几类？
    private int iterateTime;//迭代次数
    boolean isSameAsLastTime;//阈值，当两次找到的中心点一致时，停止迭代

    public KMeans(int k,int iterateTime) {
   
        K = k;
       this.iterateTime = iterateTime;
    }


    //开始分类
    public void sort() {
   
        double[][] center = new double[K][2];//中心点
        double[] distance = new double[K];//该点到N个中心点的距离

        //N个装着数组的列表
        ArrayList<ArrayList<double[]>> sortData = new ArrayList<>();

        //获取初始中心点
        for(int i=0;i<K;i++){
   
            center[i][0]=data[new Random().nextInt(100)][0];
            center[i][1]=data[new Random().nextInt(100)][1];
            sortData.add(new ArrayList<double[]>());
            System.out.println("初始"+i+"中心点："