利用Java实现KMeans聚簇算法

        与分类、序列标注等任务不同，聚类是在事先并不知道任何样本标签的情况下，通过数据之间的内在关系把样本划分为若干类别，使得同类别样本之间的相似度高，不同类别之间的样本相似度低（即增大类内聚，减少类间距）。

        聚类属于非监督学习，K均值聚类是最基础常用的聚类算法。它的基本思想是，通过迭代寻找K个簇（Cluster）的一种划分方案，使得聚类结果对应的损失函数最小。

        通俗来说，聚类就是把一些点（以二维坐标系为例）选取适当的中心将这些点进行分类。

那么我们如何使用Java来实现该算法的实现，这里以一些随机生成的二维坐标轴点为例。

首先，我们在IDEA下新建软件包，KMeansTest，然后新建类KMeans和类KMeansMethod以及文本文件result用于存放生成的点以及对应的聚簇中心点。

在KMeans类中编写程序的主函数和主运行逻辑，KMeansMethod中具体实现主函数中需要用的方法。

首先，我们需要获取对应的随机生成的点集

编写生成点集的函数前，我们需要编写代码用于生成随机点，这里我们为了方便，将每个点的x与y值设置为不大于100的正整数。

生成随机点的函数getInts()代码如下

// 生成随机点
    private static int[] getInts(){
        int[] ints = new int[2];
        Random random = new Random();
        ints[0] = random.nextInt(100);
        ints[1] = random.nextInt(100);
        return ints;
    }

生成随机点集的函数getPoints(int n)的代码如下，n为生成点的数量

    // 获取点的集合
    public static int[][] getPoints(int n) {
        int[][] points = new int[n][];
        for (int i = 0; i < n; i++) {
            points[i] = getInts();
        }
        return points;
    }

至此，我们已经成功获得需要查找聚簇中心的点集，现在我们需要获取这些点的聚簇中心，编写函数getRandomPoints(int k) k为所需聚簇中心的数量，代码如下

    // 生成随机聚簇中心
    public static int[][] getRandomPoints(int k) {
        int[][] ints = new int[k][];
        for (int i = 0; i < k; i++) {
            ints[i] = getInts();
        }
        return ints;
    }

已经获取点集，并且我们已经获取到了随机生成的聚簇中心点集，下面我们需要将随机生成的点分配到每一个聚簇中心上，我们需要一个计算距离的函数和一个输出被分配聚簇中心点的函数。

计算欧几里得距离的函数getDistance(int[] n1, int[] n2)如下，n1和n2分别是需要求解距离的点。

    // 计算欧几里得距离
    public static double getDistance(int[] n1, int[] n2) {
        return sqrt(pow((n1[0] - n2[0]), 2) + pow((n1[1] - n2[1]), 2));
    }

返回适配聚簇中心的函数getClusterCenter(int[][] clusterPoints, int[] point)如下，其中clusterPoints为聚簇中心点的点集，point为该点

    // 返回某一个点最近的聚类中心
    public static int[] getClusterCenter(int[][] clusterPoints, int[] point){
        double minValue = Integer.MIN_VALUE;
        int minIndex = 0;
        for (int i = 0; i < clusterPoints.length; i++) {
            if (getDistance(clusterPoints[i], point) > minValue) {
                minValue = getDistance(clusterPoints[i], point);
                minIndex = i;
            }
        }
        return clusterPoints[minIndex];
    }

此时，我们已经成功编写KMeansMethod类的所有数学方法，接下来我们需要在KMeans类中编写该项目的主要业务逻辑。

该项目的主要业务逻辑为，用户指定测试随机点的数量，并且指定聚簇中心数量，然后由程序将所有生成的随机点及其对应的聚簇中心写入文件result，并且在控制台输出聚簇中心。

KMeans.java中的代码如下

package TestExample.KMeansTest;

import java.io.*;
import java.util.*;

import static TestExample.KMeansTest.KMeansMethod.*;

/**
 * @author loop
 * @version 1.0
 */
public class KMeans {
    public static void main(String[] args) throws IOException {
        Scanner sc = new Scanner(System.in);
        System.out.println("请输入模拟的点数");
        int[][] points = getPoints(sc.nextInt());
        System.out.println("选取K个样本作为聚簇核心,K <= " + points.length);
        int k = sc.nextInt();
        if (k > points.length){
            System.out.println("输入错误");
        }else {
            int[][] clusterPoints = getRandomPoints(k);
            FileWriter writer = new FileWriter("src/TestExample/KMeansTest/result");
            writer.write("原始点  聚簇点\n");
            Set<int[]> clusters = new HashSet<>();
            for (int[] i : points) {
                int[] cluster = getClusterCenter(clusterPoints, i);
                clusters.add(cluster);
                writer.write(Arrays.toString(i) + " " + Arrays.toString(cluster) + "\n");
            }
            System.out.println("聚簇中心分别为:");
            for (int[] i : clusters) {
                System.out.println(Arrays.toString(i));
            }
            writer.flush();
            writer.close();
        }
    }
}

KMeansMethod.java的代码如下，其中被注释的是优化前的部分

package TestExample.KMeansTest;

import java.util.*;

import static java.lang.Math.pow;
import static java.lang.Math.sqrt;

/**
 * @author loop
 * @version 1.0
 *
 */
public class KMeansMethod {


    // 返回某一个点最近的聚类中心
    public static int[] getClusterCenter(int[][] clusterPoints, int[] point){
        double minValue = Integer.MIN_VALUE;
        int minIndex = 0;
        for (int i = 0; i < clusterPoints.length; i++) {
            if (getDistance(clusterPoints[i], point) > minValue) {
                minValue = getDistance(clusterPoints[i], point);
                minIndex = i;
            }
        }
        return clusterPoints[minIndex];
    }

    // 生成随机聚簇中心
    public static int[][] getRandomPoints(int k) {
        int[][] ints = new int[k][];
        for (int i = 0; i < k; i++) {
            ints[i] = getInts();
        }
        return ints;
    }
//    public static int[][] getRandomPoints(int[][] points, int k) {
//        int[][] randomPoint = new int[k][];
//        ArrayList<Integer> list = getDistinct(points.length, k);
//        for (int i = 0; i < k; i++) {
//            randomPoint[i] = points[list.get(i)];
//        }
//        return randomPoint;
//    }
//
//    // 生成不重复随机数
//    private static ArrayList<Integer> getDistinct(int len, int k) {
//        ArrayList<Integer> list = new ArrayList<>();
//        Random random = new Random();
//        for (int i = 0; i < k; i++) {
//            int order = random.nextInt(len);
//            if (!list.contains(order)){
//                list.add(order);
//            }else {
//                i --;
//            }
//        }
//        return list;
//    }



    // 计算欧几里得距离
    public static double getDistance(int[] n1, int[] n2) {
        return sqrt(pow((n1[0] - n2[0]), 2) + pow((n1[1] - n2[1]), 2));
    }

    // 获取点的集合
    public static int[][] getPoints(int n) {
        int[][] points = new int[n][];
        for (int i = 0; i < n; i++) {
            points[i] = getInts();
        }
        return points;
    }

    // 生成随机点
    private static int[] getInts(){
        int[] ints = new int[2];
        Random random = new Random();
        ints[0] = random.nextInt(100);
        ints[1] = random.nextInt(100);
        return ints;
    }
}

对此程序进行测试

发现控制台输出正常，同时我们查看result文件，发现点集以及聚簇中心成功写入

则该程序成功运行

注：本次测试所采用的点为随机生成，具体操作时需要按照自己的需求修改代码。