K_Means优化算法之Canopy算法----java简单实现

2019独角兽企业重金招聘Python工程师标准>>>

//写Json代码暂为上传

模拟数据，聚类结果：

Bean结构：

package canopy;

public class DataBean {
    public  static void main(String[] args){
        
    }
    private int x;
    private int y;
    public int getX() {
        return x;
    }
    public void setX(int x) {
        this.x = x;
    }
    public int getY() {
        return y;
    }
    public void setY(int y) {
        this.y = y;
    }
}

 

核心代码和思想：

 

package canopy;

import java.util.ArrayList;
import java.util.List;

public class Canopy {
    //设置初始T2的距离
    public static double T2=0;
    //计算出初始T1的距离--设置T1=2*T2
    public static double T1=0;
    //用一个集合用来存放每个canopy初始点
    //最后，这个集合的长度就是canopy的个数（可以用来作为kMeans中心点的个数）
    //里面对应的每个点就可以作为kMeans初始中心点的位置
    public static List<List<DataBean>> pointCenter=null;
    //初始数据集合
    public static List<DataBean> oriList=null;
    
    public static void main(String[] args){
        //初始数据集合
        oriList=getList(300);
        //设置样本数量为300,计算出初始T2距离
        T2=getT2(oriList);
        //计算出初始T1距离
        //T1=2*T2;
        //用来存放每个canopy的第一个比较点
        pointCenter=new ArrayList<>();
        //开始迭代分类
        while(0!=oriList.size()){
            List<DataBean> point=new ArrayList<>();
            DataBean basePoint=oriList.get(0);
            point.add(basePoint);
            oriList.remove(0);
            int index=0;
            while(index<oriList.size()){
                if(getDistance(basePoint,oriList.get(index))<T2){
                    point.add(oriList.get(index));
                    oriList.remove(index);
                }
                else{
                    index++;
                }
            }
            pointCenter.add(point);
        }
        
        System.out.println("canopy个数："+pointCenter.size());
        System.out.println("每个canopy其实点的位置：");
        for(int i=0;i<pointCenter.size();i++){
            for(int j=0;j<pointCenter.get(i).size();j++){
                System.out.println(pointCenter.get(i).get(j).getX()+"  "+pointCenter.get(i).get(j).getY());
            }
        }
        
        //将分类后的数据写入到json文件
        //writeJson(pointCenter);

    }
    
    //是否需要对集合里面的元素进行排序？？？
    
    //构造初始一个数据集合,count代表需要初始化的数据的数量
    public static List<DataBean> getList(int count){
        List<DataBean> oriList=new ArrayList<>();
        for(int i=0;i<count;i++){
            DataBean dataBean=new DataBean();
            //产生1-100之间的随机数存入初始集合
            dataBean.setX((int)(Math.random()*100)+1);
            dataBean.setY((int)(Math.random()*100)+1);
            oriList.add(dataBean);
        }
        return oriList;
    }
    
    //计算出初始T2的距离
    public static  double getT2(List<DataBean> points) {
        double sum = 0;
        int pointSize = points.size();
        for (int i = 0; i < pointSize; i++) {
            for (int j = 0; j < pointSize; j++) {
                if (i == j)
                    continue;
                DataBean pointA = points.get(i);
                DataBean pointB = points.get(j);
                sum += Math.sqrt((pointA.getX() - pointB.getX()) * (pointA.getX() - pointB.getX())
                        + (pointA.getY() - pointB.getY()) * (pointA.getY() - pointB.getY()));
            }
        }
        int distanceNumber = pointSize * (pointSize + 1) / 2;
        double T2 = sum / distanceNumber / 2; // 平均距离的一半
        return T2;
    }
    
    //得到两个点之间的距离
    public static double getDistance(DataBean pointA,DataBean pointB){
        double distance=0;
        distance=Math.sqrt(Math.pow((pointA.getX() - pointB.getX()), 2.0) + Math.pow((pointA.getY() - pointB.getY()), 2.0));
        //小数点后保留两位
        distance=(double)(Math.round(distance*100)/100.0);
        return distance;
    }
    
    //把数据写到json文件里面去
    public static void writeJson(List<List<DataBean>> pointCenter){
        String str="";
        for(int k=0;k<pointCenter.size();k++){
            if(k==0){
                str=str+"[{\"canopy\":[";
            }
            else{
                str=str+"{\"canopy\":[";
            }
            for(int i=0;i<pointCenter.get(k).size();i++){
                
                if(i!=pointCenter.get(k).size()-1)
                {
                    str=str+"["+pointCenter.get(k).get(i).getX()+","+pointCenter.get(k).get(i).getY()+"],";
                }
                else{
                    str=str+"["+pointCenter.get(k).get(i).getX()+","+pointCenter.get(k).get(i).getY()+"]";
                }
            }
            if(k!=pointCenter.size()-1){
                str=str+"]},";
            }
            else{
                str=str+"]}]";
            }
        }
        WriteJson.saveJsonData("canopy",str);
    }
}

转载于:https://my.oschina.net/dreamerliujack/blog/808701