K-Means聚类算法java实现

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：

          

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