Kmeans聚类算法及其java实现

最新推荐文章于 2023-12-18 23:45:33 发布

wuqiuping695

最新推荐文章于 2023-12-18 23:45:33 发布

阅读量1.3k

点赞数

分类专栏：算法

本文链接：https://blog.csdn.net/wuqiuping695/article/details/46445655

版权

本文深入探讨了Kmeans聚类算法的基本原理，并提供了详细的Java代码实现，通过实例展示了如何运用Kmeans进行数据分组和聚类。

摘要由CSDN通过智能技术生成

1.基本Kmeans算法

选择K个点作为初始质心  
repeat  
    将每个点指派到最近的质心，形成K个簇  
    重新计算每个簇的质心  
until 簇不发生变化或达到最大迭代次数  
时间复杂度：O(tKmn)，其中，t为迭代次数，K为簇的数目，m为记录数，n为维数
空间复杂度：O((m+K)n)，其中，K为簇的数目，m为记录数，n为维数

2.java实现

package com.ping;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.ArrayList;

public class kmeans {
	private int K;
	private int dataNum;
	private int dimNum;
	private ArrayList<double[]> tuples;
	private ArrayList<ArrayList<double[]>> cluster;
	private ArrayList<double[]> means;

	public kmeans(int K, int dataNum, int dimNum, ArrayList<double[]> tuples) {
		this.K = K;
		this.dataNum = dataNum;
		this.dimNum = dimNum;
		this.tuples = tuples;
		cluster = new ArrayList<ArrayList<double[]>>();
		for (int i = 0; i < K; ++i) {
			cluster.add(new ArrayList<double[]>());
		}
		means = new ArrayList<double[]>();

	}

	// 获取 tupleA 和 tupleB的距离 , 下标0存放记录编号，下标1到dimNum存放实际元素
	private double getDis(double tupleA[], double tupleB[]) {
		double dis = 0;
		for (int k = 1; k <= dimNum; ++k) {
			dis += (tupleA[k] - tupleB[k]) * (tupleA[k] - tupleB[k]);