java聚类分析实例_K-means算法的java实现，聚类分析681个三国武将

package kmeans;

import java.util.*;

public class Kmeans {

public ArrayList allGenerals = null;

public int totalNumber = 0;// 得到所有的武将数目

public int K = 0;// 假设K=10

public Kmeans() {

allGenerals = new DomParser().prepare();

totalNumber = allGenerals.size();

K = 3;

}

// 第一次随机选取聚类中心

public Set firstRandom() {

Set center = new HashSet();// 聚类中心的点的id,采用set保证不会有重复id

Random ran = new Random();

int roll = ran.nextInt(totalNumber);

while (center.size() 

roll = ran.nextInt(totalNumber);

center.add(roll);

}

return center;

}

// 根据聚类中心初始化聚类信息

public ArrayList init(Set center) {

ArrayList cluster = new ArrayList();// 聚类 的数组

Iterator it = center.iterator();

while (it.hasNext()) {

Cluster c = new Cluster();// 代表一个聚类

c.setCenter(it.next());

cluster.add(c);

}

return cluster;

}

/**

* 计算各个武将到各个聚类中心的距离，重新聚类

*

* @param cluster

*            聚类数组,用来聚类的，根据最近原则把武将聚类

* @param center

*            中心点id,用于计算各个武将到中心点的距离 return cluster 聚类后的所有聚类组成的数组

*/

public ArrayList juLei(Set center,

ArrayList cluster) {

ArrayList distence = new ArrayList();// 存放距离信息,表示每个点到各个中心点的距离组成的数组

General source = null;

General dest = null;

int id = 0;// 目的节点id

int id2 = 0;// 源节点id

Object[] p = center.toArray();// p 为聚类中心点id数组

boolean flag = false;

// 分别计算各个点到各个中心点的距离，并将距离最小的加入到各个聚类中，进行聚类

for (int i = 0; i 

// 每个点计算完,并聚类到距离最小的聚类中就清空距离数组

distence.clear();

// 计算到j个类中心点的距离,便利各个中心点

for (int j = 0; j 

// 如果该点不在中心点内 则计算距离