调用WEKA包进行kmeans聚类（java）

所用数据文件：data1.txt

[plain]  view plain  copy

 print ?

1. @RELATION data1  
2.   
3.   
4. @ATTRIBUTE one REAL  
5. @ATTRIBUTE two REAL  
6.   
7.   
8.   
9.   
10. @DATA  
11. 0.184000 0.482000  
12. 0.152000 0.540000  
13. 0.152000 0.596000  
14. 0.178000 0.626000  
15. 0.206000 0.598000  
16. 0.230000 0.562000  
17. 0.224000 0.524000  
18. 0.204000 0.540000  
19. 0.190000 0.572000  
20. 0.216000 0.608000  
21. 0.240000 0.626000  
22. 0.256000 0.584000  
23. 0.272000 0.546000  
24. 0.234000 0.468000  
25. 0.222000 0.490000  
26. 0.214000 0.414000  
27. 0.252000 0.336000  
28. 0.298000 0.336000  
29. 0.316000 0.376000  
30. 0.318000 0.434000  
31. 0.308000 0.480000  
32. 0.272000 0.408000  
33. 0.272000 0.462000  
34. 0.280000 0.524000  
35. 0.296000 0.544000  
36. 0.340000 0.534000  
37. 0.346000 0.422000  
38. 0.354000 0.356000  
39. 0.160000 0.282000  
40. 0.160000 0.282000  
41. 0.156000 0.398000  
42. 0.138000 0.466000  
43. 0.154000 0.442000  
44. 0.180000 0.334000  
45. 0.184000 0.300000  
46. 0.684000 0.420000  
47. 0.678000 0.494000  
48. 0.710000 0.592000  
49. 0.716000 0.508000  
50. 0.744000 0.528000  
51. 0.716000 0.540000  
52. 0.692000 0.540000  
53. 0.696000 0.494000  
54. 0.722000 0.466000  
55. 0.738000 0.474000  
56. 0.746000 0.484000  
57. 0.750000 0.500000  
58. 0.746000 0.440000  
59. 0.718000 0.446000  
60. 0.692000 0.466000  
61. 0.746000 0.418000  
62. 0.768000 0.460000  
63. 0.272000 0.290000  
64. 0.240000 0.376000  
65. 0.212000 0.410000  
66. 0.154000 0.564000  
67. 0.252000 0.704000  
68. 0.298000 0.714000  
69. 0.314000 0.668000  
70. 0.326000 0.566000  
71. 0.344000 0.468000  
72. 0.324000 0.632000  
73. 0.164000 0.688000  
74. 0.216000 0.684000  
75. 0.392000 0.682000  
76. 0.392000 0.628000  
77. 0.392000 0.518000  
78. 0.398000 0.502000  
79. 0.392000 0.364000  
80. 0.360000 0.308000  
81. 0.326000 0.308000  
82. 0.402000 0.342000  
83. 0.404000 0.418000  
84. 0.634000 0.458000  
85. 0.650000 0.378000  
86. 0.698000 0.348000  
87. 0.732000 0.350000  
88. 0.766000 0.364000  
89. 0.800000 0.388000  
90. 0.808000 0.428000  
91. 0.826000 0.466000  
92. 0.842000 0.510000  
93. 0.842000 0.556000  
94. 0.830000 0.594000  
95. 0.772000 0.646000  
96. 0.708000 0.654000  
97. 0.632000 0.640000  
98. 0.628000 0.564000  
99. 0.624000 0.352000  
100. 0.650000 0.286000  
101. 0.694000 0.242000  
102. 0.732000 0.214000  
103. 0.832000 0.214000  
104. 0.832000 0.264000  
105. 0.796000 0.280000  
106. 0.778000 0.288000  
107. 0.770000 0.294000  
108. 0.892000 0.342000  
109. 0.910000 0.366000  
110. 0.910000 0.394000  
111. 0.872000 0.382000  
112. 0.774000 0.314000  
113. 0.718000 0.252000  
114. 0.688000 0.284000  
115. 0.648000 0.322000  
116. 0.602000 0.460000  
117. 0.596000 0.496000  
118. 0.570000 0.550000  
119. 0.564000 0.592000  
120. 0.574000 0.624000  
121. 0.582000 0.644000  
122. 0.596000 0.664000  
123. 0.662000 0.704000  
124. 0.692000 0.722000  
125. 0.710000 0.736000  
126. 0.848000 0.732000  
127. 0.888000 0.686000  
128. 0.924000 0.514000  
129. 0.914000 0.470000  
130. 0.880000 0.492000  
131. 0.848000 0.706000  
132. 0.730000 0.736000  
133. 0.676000 0.734000  
134. 0.628000 0.732000  
135. 0.782000 0.708000  
136. 0.806000 0.674000  
137. 0.830000 0.630000  
138. 0.564000 0.730000  
139. 0.554000 0.538000  
140. 0.570000 0.502000  
141. 0.572000 0.432000  
142. 0.590000 0.356000  
143. 0.652000 0.232000  
144. 0.676000 0.178000  
145. 0.684000 0.152000  
146. 0.728000 0.172000  
147. 0.758000 0.148000  
148. 0.864000 0.176000  
149. 0.646000 0.242000  
150. 0.638000 0.254000  
151. 0.766000 0.276000  
152. 0.882000 0.278000  
153. 0.900000 0.278000  
154. 0.906000 0.302000  
155. 0.892000 0.316000  
156. 0.570000 0.324000  
157. 0.798000 0.150000  
158. 0.832000 0.114000  
159. 0.714000 0.156000  
160. 0.648000 0.154000  
161. 0.644000 0.212000  
162. 0.642000 0.250000  
163. 0.658000 0.284000  
164. 0.710000 0.296000  
165. 0.794000 0.288000  
166. 0.846000 0.260000  
167. 0.856000 0.304000  
168. 0.858000 0.392000  
169. 0.858000 0.476000  
170. 0.778000 0.640000  
171. 0.736000 0.662000  
172. 0.718000 0.690000  
173. 0.634000 0.692000  
174. 0.596000 0.710000  
175. 0.570000 0.720000  
176. 0.554000 0.732000  
177. 0.548000 0.686000  
178. 0.524000 0.740000  
179. 0.598000 0.768000  
180. 0.660000 0.796000  

前言：Kmeans是一种非常经典的聚类算法。它利用簇的中心到对象的距离来分配每个对象的簇所属关系。同时迭代的进行簇的中心的更新以及簇分配的更新，直到收敛。

下面是调用weka包中实现的kmeans的代码

[java]  view plain  copy

 print ?

1. package others;  
2.   
3. import java.io.File;  
4.   
5. import weka.clusterers.SimpleKMeans;  
6. import weka.core.DistanceFunction;  
7. import weka.core.Instances;  
8. import weka.core.converters.ArffLoader;  
9.   
10. public class ArrayListTest {  
11.   
12.     public static void main(String[] args){  
13.         Instances ins = null;  
14.           
15.         SimpleKMeans KM = null;  
16.         DistanceFunction disFun = null;  
17.           
18.         try {  
19.             // 读入样本数据  
20.             File file = new File("data/data1.txt");  
21.             ArffLoader loader = new ArffLoader();  
22.             loader.setFile(file);  
23.             ins = loader.getDataSet();  
24.               
25.             // 初始化聚类器 （加载算法）  
26.             KM = new SimpleKMeans();  
27.             KM.setNumClusters(4);       //设置聚类要得到的类别数量  
28.             KM.buildClusterer(ins);     //开始进行聚类  
29.             System.out.println(KM.preserveInstancesOrderTipText());  
30.             // 打印聚类结果  
31.             System.out.println(KM.toString());  
32.               
33.         } catch(Exception e) {  
34.             e.printStackTrace();  
35.         }  
36.     }  
37. }