<strong><span style="font-size:18px;">/***
* @author YangXin
* @info 利用点集测试K-Means聚类算法
*/
package unitNine;
import java.util.ArrayList;
import java.util.List;
import org.apache.mahout.clustering.Cluster;
import org.apache.mahout.clustering.UncommonDistributions;
import org.apache.mahout.common.distance.EuclideanDistanceMeasure;
import org.apache.mahout.math.DenseVector;
import org.apache.mahout.math.Vector;
public class KMeansExample {
private static void generateSamples(List<Vector> vectors, int num, double mx, double my, double sd){
for(int i = 0; i < num; i++){
vectors.add(new DenseVector(new double[]{UncommonDistributions.rNorm(mx, sd),UncommonDistributions.rNorm(my, sd) }));
}
}
public
在内存中执行k-means聚类算法
最新推荐文章于 2022-10-13 14:43:10 发布
本文详细介绍了如何在内存中执行k-means聚类算法,从数据预处理到簇中心的迭代更新,探讨了优化内存使用和提高算法效率的策略,包括选择合适的初始化方法、距离计算优化等,适合对大数据分析和机器学习感兴趣的读者。
摘要由CSDN通过智能技术生成