JAVA实现K-means聚类

转载请注明出处：http://blog.csdn.net/xiaojimanman/article/details/51086879

http://www.llwjy.com/blogdetail/bf27dd0be964886d11185743779e40e0.html

个人博客站已经上线了，网址 www.llwjy.com ~欢迎各位吐槽~

-------------------------------------------------------------------------------------------------

      在开始之前先打一个小小的广告，自己创建一个QQ群：321903218，点击链接加入群【Lucene案例开发】，主要用于交流如何使用Lucene来创建站内搜索后台，同时还会不定期的在群内开相关的公开课，感兴趣的童鞋可以加入交流。

      在上一篇博客中已经介绍了KNN分类算法，这篇博客将重点介绍下K-means聚类算法。K-means算法是比较经典的聚类算法，算法的基本思想是选取K个点（随机）作为中心进行聚类，然后对聚类的结果计算该类的质心，通过迭代的方法不断更新质心，直到质心不变或稍微移动为止，则最后的聚类结果就是最后的聚类结果。下面首先介绍下K-means具体的算法步骤。

K-means算法

      在前面已经大概的介绍了下K-means，下面就介绍下具体的算法描述：

1）选取K个点作为初始质心；

2）对每个样本分别计算到K个质心的相似度或距离，将该样本划分到相似度最高或距离最短的质心所在类；

3）对该轮聚类结果，计算每一个类别的质心，新的质心作为下一轮的质心；

4）判断算法是否满足终止条件，满足终止条件结束，否则继续第2、3、4步。

      在介绍算法之前，我们首先看下K-means算法聚类平面200,000个点聚成34个类别的结果（如下图）

算法实现

      K-means聚类算法整体思想比较简单，下面 就分步介绍如何用JAVA来实现K-means算法。

一、K-means算法基础属性

      在K-means算法中，有几个重要的指标，比如K值、最大迭代次数等，对于这些指标，我们统一把它们设置为类的属性，如下：

private List<T> dataArray;//待分类的原始值
private int K = 3;//将要分成的类别个数
private int maxClusterTimes = 500;//最大迭代次数
private List<List<T>> clusterList;//聚类的结果
private List<T> clusteringCenterT;//质心

二、初始质心的选择

      K-means聚类算法的结果很大程度收到初始质心的选取，这了为了保证有充分的随机性，对于初始质心的选择这里采用完全随机的方法，先把待分类的数据随机打乱，然后把前K个样本作为初始质心（通过多次迭代，会减少初始质心的影响）。

List<T> centerT = new ArrayList<T>(size);
//对数据进行打乱
Collections.shuffle(dataArray);
for (int i &