1、用途:聚類算法通常用於數據挖掘,將相似的數組進行聚簇
2、原理:網上比較多,可以百度或者google一下
3、實現:Java代碼如下
package org.algorithm;
import java.util.ArrayList;
import java.util.Random;
/**
* K均值聚類算法
*/
public class Kmeans {
private int k;// 分成多少簇
private int m;// 迭代次數
private int dataSetLength;// 數據集元素個數,即數據集的長度
private ArrayList dataSet;// 數據集鏈表
private ArrayList center;// 中心鏈表
private ArrayList> cluster; // 簇
private ArrayList jc;// 誤差平方和,k越接近dataSetLength,誤差越小
private Random random;
/**
* 設置需分組的原始數據集
*
* @param dataSet
*/
public void setDataSet(ArrayList dataSet) {
this.dataSet = dataSet;
}
/**
* 獲取結果分組
*
* @return 結果集
*/
public ArrayList> getCluster() {
return cluster;
}
/**
* 構造函數,傳入需要分成的簇數量
*
* @param k
* 簇數量,若k<=0時,設置為1,若k大於數據源的長度時,置為數據源的長度
*/
public Kmeans(int k) {
if (k <= 0) {
k = 1;
}
this.k = k;
}
/**
* 初始化
*/
private void init() {
m = 0;
random = new Random();
if (dataSet == null || dataSet.size() == 0) {
initDataSet();
}
dataSetLength = dataSet.size();
if (k > dataSetLength) {
k = dataSetLength;
}
center = initCenters();
cluster = initCluster();
jc = new ArrayList();
}
/**
* 如果調用者未初始化數據集,則采用內部測試數據集
*/
private void initDataSet() {
dataSet = new ArrayList();
// 其中{6,3}是一樣的,所以長度為15的數據集分成14簇和15簇的誤差都為0
float[][] dataSetArray = new float[][] { { 8, 2 }, { 3, 4 }, { 2, 5 },
{ 4, 2 }, { 7, 3 }, { 6, 2 }, { 4, 7 }, { 6, 3 }, { 5, 3 },
{ 6, 3 }, { 6, 9 }, { 1, 6 }, { 3, 9 }, { 4, 1 }, { 8, 6 } };
for (int i = 0; i < dataSetArray.length; i++) {
dataSet.add(dataSetArray[i]);
}
}
/**
* 初始化中心數據鏈表,分成多少簇就有多少個中心點
*
* @return 中心點集
*/
private ArrayList initCenters() {
ArrayList center = new ArrayList();
int[] randoms = new int[k];
boolean flag;
int temp = random.nextInt(dataSetLength);
randoms[0] = temp;
for (int i = 1; i < k; i++) {
flag = true;
while (flag) {
temp = random.nextInt(dataSetLength);
int j = 0;
// 不清楚for循環導致j無法加1
// for(j=0;j
// {
// if(temp==randoms[j]);
// {
// break;
// }
// }
while (j < i) {
if (temp == randoms[j]) {
break;
}
j++;
}
if (j == i) {
flag = false;
}
}
randoms[i] = temp;
}
// 測試隨機數生成情況
// for(int i=0;i
// {
// System.out.println("test1:randoms["+i+"]="+randoms[i]);
// }
// System.out.println();
for (int i = 0; i < k; i++) {
center.add(dataSet.get(randoms[i]));// 生成初始化中心鏈表
}
return center;
}
/**
* 初始化簇集合
*
* @return 一個分為k簇的空數據的簇集合
*/
private ArrayList> initCluster() {
ArrayList> cluster = new ArrayList>();
for (int i = 0; i < k; i++) {
cluster.add(new ArrayList());
}
return cluster;
}
/**
* 計算兩個點之間的距離
*
* @param element
* 點1
* @param center
* 點2
* @return 距離
*/
private float distance(float[] element, float[] center) {
float distance = 0.0f;
float x = element[0] - center[0];
float y = element[1] - center[1];
float z = x * x + y * y;
distance = (float) Math.sqrt(z);
return distance;
}
/**
* 獲取距離集合中最小距離的位置
*
* @param distance
* 距離數組
* @return 最小距離在距離數組中的位置
*/
private int minDistance(float[] distance) {
float minDistance = distance[0];
int minLocation = 0;
for (int i = 1; i < distance.length; i++) {
if (distance[i] < minDistance) {
minDistance = distance[i];
minLocation = i;
} else if (distance[i] == minDistance) // 如果相等,隨機返回一個位置
{
if (random.nextInt(10) < 5) {
minLocation = i;
}
}
}
return minLocation;
}
/**
* 核心,將當前元素放到最小距離中心相關的簇中
*/
private void clusterSet() {
float[] distance = new float[k];
for (int i = 0; i < dataSetLength; i++) {
for (int j = 0; j < k; j++) {
distance[j] = distance(dataSet.get(i), center.get(j));
// System.out.println("test2:"+"dataSet["+i+"],center["+j+"],distance="+distance[j]);
}
int minLocation = minDistance(distance);
// System.out.println("test3:"+"dataSet["+i+"],minLocation="+minLocation);
// System.out.println();
cluster.get(minLocation).add(dataSet.get(i));// 核心,將當前元素放到最小距離中心相關的簇中
}
}
/**
* 求兩點誤差平方的方法
*
* @param element
* 點1
* @param center
* 點2
* @return 誤差平方
*/
private float errorSquare(float[] element, float[] center) {
float x = element[0] - center[0];
float y = element[1] - center[1];
float errSquare = x * x + y * y;
return errSquare;
}
/**
* 計算誤差平方和准則函數方法
*/
private void countRule() {
float jcF = 0;
for (int i = 0; i < cluster.size(); i++) {
for (int j = 0; j < cluster.get(i).size(); j++) {
jcF += errorSquare(cluster.get(i).get(j), center.get(i));
}
}
jc.add(jcF);
}
/**
* 設置新的簇中心方法
*/
private void setNewCenter() {
for (int i = 0; i < k; i++) {
int n = cluster.get(i).size();
if (n != 0) {
float[] newCenter = { 0, 0 };
for (int j = 0; j < n; j++) {
newCenter[0] += cluster.get(i).get(j)[0];
newCenter[1] += cluster.get(i).get(j)[1];
}
// 設置一個平均值
newCenter[0] = newCenter[0] / n;
newCenter[1] = newCenter[1] / n;
center.set(i, newCenter);
}
}
}
/**
* 打印數據,測試用
*
* @param dataArray
* 數據集
* @param dataArrayName
* 數據集名稱
*/
public void printDataArray(ArrayList dataArray,
String dataArrayName) {
for (int i = 0; i < dataArray.size(); i++) {
System.out.println("print:" + dataArrayName + "[" + i + "]={"
+ dataArray.get(i)[0] + "," + dataArray.get(i)[1] + "}");
}
System.out.println("===================================");
}
/**
* Kmeans算法核心過程方法
*/
private void kmeans() {
init();
// printDataArray(dataSet,"initDataSet");
// printDataArray(center,"initCenter");
// 循環分組,直到誤差不變為止
while (true) {
clusterSet();
// for(int i=0;i
// {
// printDataArray(cluster.get(i),"cluster["+i+"]");
// }
countRule();
// System.out.println("count:"+"jc["+m+"]="+jc.get(m));
// System.out.println();
// 誤差不變了,分組完成
if (m != 0) {
if (jc.get(m) - jc.get(m - 1) == 0) {
break;
}
}
setNewCenter();
// printDataArray(center,"newCenter");
m++;
cluster.clear();
cluster = initCluster();
}
// System.out.println("note:the times of repeat:m="+m);//輸出迭代次數
}
/**
* 執行算法
*/
public void execute() {
long startTime = System.currentTimeMillis();
System.out.println("kmeans begins");
kmeans();
long endTime = System.currentTimeMillis();
System.out.println("kmeans running time=" + (endTime - startTime)
+ "ms");
System.out.println("kmeans ends");
System.out.println();
}
}
4、說明:具體代碼是從網上找的,根據自己的理解加了注釋和進行部分修改,若注釋有誤還望指正
5、測試
package org.test;
import java.util.ArrayList;
import org.algorithm.Kmeans;
public class KmeansTest {
public static void main(String[] args)
{
//初始化一個Kmean對象,將k置為10
Kmeans k=new Kmeans(10);
ArrayList dataSet=new ArrayList();
dataSet.add(new float[]{1,2});
dataSet.add(new float[]{3,3});
dataSet.add(new float[]{3,4});
dataSet.add(new float[]{5,6});
dataSet.add(new float[]{8,9});
dataSet.add(new float[]{4,5});
dataSet.add(new float[]{6,4});
dataSet.add(new float[]{3,9});
dataSet.add(new float[]{5,9});
dataSet.add(new float[]{4,2});
dataSet.add(new float[]{1,9});
dataSet.add(new float[]{7,8});
//設置原始數據集
k.setDataSet(dataSet);
//執行算法
k.execute();
//得到聚類結果
ArrayList> cluster=k.getCluster();
//查看結果
for(int i=0;i
{
k.printDataArray(cluster.get(i), "cluster["+i+"]");
}
}
}
6、總結:測試代碼已經通過。並對聚類的結果進行了查看,結果基本上符合要求。至於有沒有更精確的算法有待發現。具體的實踐還有待挖掘