NLP——Kmeans聚类算法简单实现

Kmeans聚类算法说明（百度百科）

本例中主要是对二维点进行距离计算，开始得时候选取两个心，最终聚为两簇。

结束条件的判断有很多种，这里采用的是最简单的：当两个心不再变化了，则停止聚类。

内部距离和可以不需要计算，这里输出来做结果评估用。

public class Km_w2 {
	
	//初始化二维数据
/*	public static double[] x = {1, 2, 1, -1, -3, -2};
	public static double[] y = {1, 1, 3, 2, -4, -1};
	public static int n = 6;//一共有6个点
*/	
	public static double[] x = {1, 2, 1, -1, -3, -2, 2, -1, 2};
	public static double[] y = {1, 1, 3, 2, -4, -1, -1, -1, -5};
	public static int n = 9;
	
	//手选两个点,这里选择下标为1和4的两个点，k为2
	public static int  i1 = 0;//1,1
	public static int i2 = 3;//-1,2
	public static double x1 = x[i1], x2 = x[i2], y1 = y[i1], y2 = y[i2];
	
	public static void main(String[] args) {
		int count = 1;
		while (true) {
			
			System.out.println("-------------这是第"+count+"次聚类----------------");
			// 定义两个簇
			List<Integer> c1 = new ArrayList<>();
			List<Integer> c2 = new ArrayList<>();
			
			Map<Integer, Double> dist = new HashMap<>();// 用来记录所有点到它所属心的距离

			for (int i = 0; i < n; i++) {
				//筛选当前遍历的点既不是心1，也不是心2
				if (!(x[i] == x1 && y[i] == y1) && !(x[i] == x2 && y[i] == y2)) {
					double d1 = distance(x[i], y[i], x1, y1);
					double d2 = distance(x[i], y[i], x2, y2);
					System.out.println("点"+i+"("+x[i]+","+y[i]+")距离心1("+x1+","+y1+")和心2("+x2+","+y2+")的距离分别为:"+d1+","+d2);
					// 如果说这个点离簇1更加近，将它放到c1中,否则相反,并且在map中记录下距离
					if (d1 <= d2) {
						c1.add(i);
						dist.put(i, d1);
					} else {
						c2.add(i);
						dist.put(i, d2);
					}
				}
			}
			// 算距离和
			System.out.println("当前1簇内部距离和为："+distSum(c1, dist));
			System.out.println("当前2簇内部距离和为："+distSum(c2, dist));

			//因为心在计算后有可能是存在的点，有可能是不存在的点。
			//如果是存在的点则放到所属的簇中
			i1 = isExist(x1, y1);
			if(i1 != -1) {
				c1.add(i1);
				System.out.println("1簇添加了心1:"+x1+","+y1);
			}
			i2 = isExist(x2, y2);
			if(i2 != -1) {
				c2.add(i2);
				System.out.println("2簇添加了心2:"+x2+","+y2);
			}
			
			//备份并重新计算心的坐标
			double t_x1 = x1;
			double t_x2 = x2;
			double t_y1 = y1;
			double t_y2 = y2;
			
			x1 = avg(c1, x);
			y1 = avg(c1, y);
			
			x2 = avg(c2, x);
			y2 = avg(c2, y);
			
			System.out.println("新的心1为"+x1+","+y1);
			System.out.println("新的心2为"+x2+","+y2);
			
			System.out.println("簇1的内容为"+c1.toString());
			System.out.println("簇2的内容为"+c2.toString());
			
			//如果心不再更新
			if(t_x1==x1 && t_x2==x2 && t_y1==y1 && t_y2==y2) {
				System.out.println("=======================================");
				System.out.println("聚类结束，结果为：");
				System.out.println("簇1："+c1.toString());
				System.out.println("簇2："+c2.toString());
				break;
			}
			count++;
		}
	}
	//该方法用于计算2维两点距离
	public static double distance(double x1, double y1, double x2, double y2) {
		return Math.sqrt(Math.pow(x1 - x2, 2)+Math.pow(y1 - y2, 2));
	}
	//该方法用于计算一个簇中所有点到心的距离和
	public static double distSum(List<Integer> c, Map<Integer, Double> dist) {
		double sum = 0;
		for (int i : c) {
			sum += dist.get(i);
		}
		return sum;
	}
	//该方法用于计算簇中x或y的平均值
	public static double avg(List<Integer> c, double[] xory) {
		int sum = 0;
		for (int i : c) {
			sum += xory[i];
		}
		return sum/(c.size()*1.0);
	}
	//该方法用于判断心是否是一个存在于数据集的点
	public static int isExist(double a, double b) {
		for(int i = 0; i < x.length; i++) {
			if(a == x[i] && b == y[i]) {
				return i;
			}
		}
		return -1;
	}
}