Java實現聚類算法k-means

本文轉載自查看原文 2016-07-02 20:06 12705 Java聚類算法/ java/ k-means

java簡單實現聚類算法

第一個版本有一些問題，，（一段廢話biubiu。。。），，我其實每次迭代之后（就是達不到收斂標准之前，聚類中心的誤差達不到指定小的時候），雖然重新算了聚類中心，但是其實我的那些點並沒有變，可是這個程序不知道咋回事每次都把我原先隨機指定的聚類中心給變成了我算的聚類中心；怎么用，按照指示來就行了，不用讀文件（源碼全都是可以運行，不足之處還望批評指正）輸出的結果有一堆小數的那是新聚類中心和老的的誤差值，在沒有達到指定小的時候，是不會停的。

////////////////////

重新看看。。終於改好了。。。。。。Java對象直接賦值屬於淺拷貝

修改后為創建一個對象，值來源於隨機點，但是跟隨機點已經沒有任何關系了。。。。。

A a=b;淺拷貝

..............................

A a=new A（）;

a.x=b.x;

a.y=b.y;

a並沒有引用b

、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、

題目如下：、

初始，有問題版本：

  1 import java.sql.Array;
  2 import java.util.ArrayList;
  3 import java.util.Random;
  4 import java.util.Scanner;
  5 
  6 class point {
  7     public float x = 0;
  8     public float y = 0;
  9     public int flage = -1;
 10 
 11     public float getX() {
 12         return x;
 13     }
 14 
 15     public void setX(float x) {
 16         this.x = x;
 17     }
 18 
 19     public float getY() {
 20         return y;
 21     }
 22 
 23     public void setY(float y) {
 24         this.y = y;
 25     }
 26 }
 27 
 28 public class Kcluster {
 29 
 30     point[] ypo;// 點集
 31     point[] pacore = null;// old聚類中心
 32     point[] pacoren = null;// new聚類中心
 33 
 34     // 初試聚類中心，點集
 35     public void productpoint() {
 36         Scanner cina = new Scanner(System.in);
 37         System.out.print("請輸入聚類中點的個數（隨機產生）：");
 38         int num = cina.nextInt();
 39 
 40         ypo = new point[num];
 41         // 隨機產生點
 42         for (int i = 0; i < num; i++) {
 43 
 44             float x = (int) (new Random().nextInt(10));
 45             float y = (int) (new Random().nextInt(10));
 46 
 47             ypo[i] = new point();// 對象創建
 48             ypo[i].setX(x);
 49             ypo[i].setY(y);
 50 
 51         }
 52 
 53         // 初始化聚類中心位置
 54         System.out.print("請輸入初始化聚類中心個數（隨機產生）：");
 55         int core = cina.nextInt();
 56         this.pacore = new point[core];// 存放聚類中心
 57         this.pacoren = new point[core];
 58 
 59         Random rand = new Random();
 60         int temp[] = new int[core];
 61         temp[0] = rand.nextInt(num);
 62         pacore[0] = new point();
 63         pacore[0] = ypo[temp[0]];
 64         // 避免產生重復的中心
 65         for (int i = 1; i < core; i++) {
 66             int flage = 0;
 67             int thistemp = rand.nextInt(num);
 68             for (int j = 0; j < i; j++) {
 69                 if (temp[j] == thistemp) {
 70                     flage = 1;// 有重復
 71                     break;
 72 
 73                 }
 74             }
 75             if (flage == 1) {
 76                 i--;
 77             } else {
 78                 pacore[i] = new point();
 79                 pacore[i] = ypo[thistemp];
 80                 pacore[i].flage = 0;// 0表示聚類中心
 81             }
 82 
 83         }
 84         System.out.println("初始聚類中心：");
 85         for (int i = 0; i < pacore.length; i++) {
 86             System.out.println(pacore[i].x + " " + pacore[i].y);
 87         }
 88 
 89     }
 90 
 91     // ///找出每個點屬於哪個聚類中心
 92     public void searchbelong()// 找出每個點屬於哪個聚類中心
 93     {
 94 
 95         for (int i = 0; i < ypo.length; i++) {
 96             double dist = 999;
 97             int lable = -1;
 98             for (int j = 0; j < pacore.length; j++) {
 99 
100                 double distance = distpoint(ypo[i], pacore[j]);
101                 if (distance < dist) {
102                     dist = distance;
103                     lable = j;
104                     // po[i].flage = j + 1;// 1,2,3......
105 
106                 }
107             }
108             ypo[i].flage = lable + 1;
109 
110         }
111 
112     }
113 
114     // 更新聚類中心
115     public void calaverage() {
116 
117         for (int i = 0; i < pacore.length; i++) {
118             System.out.println("以<" + pacore[i].x + "," + pacore[i].y
119                     + ">為中心的點：");
120             int numc = 0;
121             point newcore = new point();
122             for (int j = 0; j < ypo.length; j++) {
123 
124                 if (ypo[j].flage == (i + 1)) {
125                     numc += 1;
126                     newcore.x += ypo[j].x;
127                     newcore.y += ypo[j].y;
128                     System.out.println(ypo[j].x + "," + ypo[j].y);
129                 }
130             }
131             // 新的聚類中心
132             pacoren[i] = new point();
133             pacoren[i].x = newcore.x / numc;
134             pacoren[i].y = newcore.y / numc;
135             pacoren[i].flage = 0;
136             System.out.println("新的聚類中心：" + pacoren[i].x + "," + pacoren[i].y);
137 
138         }
139     }
140 
141     public double distpoint(point px, point py) {
142 
143         return Math.sqrt(Math.pow((px.x - py.x), 2)
144                 + Math.pow((px.y - py.y), 2));
145 
146     }
147 
148     public void change_oldtonew(point[] old, point[] news) {
149         for (int i = 0; i < old.length; i++) {
150             old[i].x = news[i].x;
151             old[i].y = news[i].y;
152             old[i].flage = 0;// 表示為聚類中心的標志。
153         }
154     }
155 
156     public void movecore() {
157         // this.productpoint();//初始化，樣本集，聚類中心，
158         this.searchbelong();
159         this.calaverage();//
160         double movedistance = 0;
161         int biao = -1;//標志，聚類中心點的移動是否符合最小距離
162         for (int i = 0; i < pacore.length; i++) {
163             movedistance = distpoint(pacore[i], pacoren[i]);
164             System.out.println("distcore:" + movedistance);//聚類中心的移動距離
165             if (movedistance < 0.01) {
166                 biao = 0;
167 
168             } else {
169                 
170                 biao=1;
171                 break;
172 
173             }
174         }
175         if (biao == 0) {
176             System.out.print("迭代完畢！！！！！");
177         } else {
178             change_oldtonew(pacore, pacoren);
179             movecore();
180         }
181 
182     }
183 
184     public static void main(String[] args) {
185         // TODO Auto-generated method stub
186 
187         Kcluster kmean = new Kcluster();
188         kmean.productpoint();
189         kmean.movecore();
190     }
191 
192 }

修稿版：在初始化聚類中心那里。有一些改動。。。。。。。。。。。嚶嚶嚶

  1 import java.sql.Array;
  2 import java.util.ArrayList;
  3 import java.util.Random;
  4 import java.util.Scanner;
  5 
  6 class point {
  7     public float x = 0;
  8     public float y = 0;
  9     public int flage = -1;
 10 
 11     public float getX() {
 12         return x;
 13     }
 14 
 15     public void setX(float x) {
 16         this.x = x;
 17     }
 18 
 19     public float getY() {
 20         return y;
 21     }
 22 
 23     public void setY(float y) {
 24         this.y = y;
 25     }
 26 }
 27 
 28 public class Kcluster {
 29 
 30     point[] ypo;// 點集
 31     point[] pacore = null;// old聚類中心
 32     point[] pacoren = null;// new聚類中心
 33 
 34     // 初試聚類中心，點集
 35     public void productpoint() {
 36         Scanner cina = new Scanner(System.in);
 37         System.out.print("請輸入聚類中點的個數（隨機產生）：");
 38         int num = cina.nextInt();
 39 
 40         ypo = new point[num];
 41         // 隨機產生點
 42         for (int i = 0; i < num; i++) {
 43 
 44             float x = (int) (new Random().nextInt(10));
 45             float y = (int) (new Random().nextInt(10));
 46 
 47             ypo[i] = new point();// 對象創建
 48             ypo[i].setX(x);
 49             ypo[i].setY(y);
 50 
 51         }
 52 
 53         // 初始化聚類中心位置
 54         System.out.print("請輸入初始化聚類中心個數（隨機產生）：");
 55         int core = cina.nextInt();
 56         this.pacore = new point[core];// 存放聚類中心
 57         this.pacoren = new point[core];
 58 
 59         Random rand = new Random();
 60         int temp[] = new int[core];
 61         temp[0] = rand.nextInt(num);
 62         pacore[0] = new point();
 63         pacore[0].x = ypo[temp[0]].x;
 64         pacore[0].y = ypo[temp[0]].y;
 65         pacore[0].flage=0 ;
 66         // 避免產生重復的中心
 67         for (int i = 1; i < core; i++) {
 68             int flage = 0;
 69             int thistemp = rand.nextInt(num);
 70             for (int j = 0; j < i; j++) {
 71                 if (temp[j] == thistemp) {
 72                     flage = 1;// 有重復
 73                     break;
 74 
 75                 }
 76             }
 77             if (flage == 1) {
 78                 i--;
 79             } else {
 80                 pacore[i] = new point();
 81                 pacore[i].x= ypo[thistemp].x;
 82                 pacore[i].y = ypo[thistemp].y;
 83                 pacore[i].flage = 0;// 0表示聚類中心
 84             }
 85 
 86         }
 87         System.out.println("初始聚類中心：");
 88         for (int i = 0; i < pacore.length; i++) {
 89             System.out.println(pacore[i].x + " " + pacore[i].y);
 90         }
 91 
 92     }
 93 
 94     // ///找出每個點屬於哪個聚類中心
 95     public void searchbelong()// 找出每個點屬於哪個聚類中心
 96     {
 97 
 98         for (int i = 0; i < ypo.length; i++) {
 99             double dist = 999;
100             int lable = -1;
101             for (int j = 0; j < pacore.length; j++) {
102 
103                 double distance = distpoint(ypo[i], pacore[j]);
104                 if (distance < dist) {
105                     dist = distance;
106                     lable = j;
107                     // po[i].flage = j + 1;// 1,2,3......
108 
109                 }
110             }
111             ypo[i].flage = lable + 1;
112 
113         }
114 
115     }
116 
117     // 更新聚類中心
118     public void calaverage() {
119 
120         for (int i = 0; i < pacore.length; i++) {
121             System.out.println("以<" + pacore[i].x + "," + pacore[i].y
122                     + ">為中心的點：");
123             int numc = 0;
124             point newcore = new point();
125             for (int j = 0; j < ypo.length; j++) {
126 
127                 if (ypo[j].flage == (i + 1)) {
128                     System.out.println(ypo[j].x + "," + ypo[j].y);
129                     numc += 1;
130                     newcore.x += ypo[j].x;
131                     newcore.y += ypo[j].y;
132                     
133                 }
134             }
135             // 新的聚類中心
136             pacoren[i] = new point();
137             pacoren[i].x = newcore.x / numc;
138             pacoren[i].y = newcore.y / numc;
139             pacoren[i].flage = 0;
140             System.out.println("新的聚類中心：" + pacoren[i].x + "," + pacoren[i].y);
141 
142         }
143     }
144 
145     public double distpoint(point px, point py) {
146 
147         return Math.sqrt(Math.pow((px.x - py.x), 2)
148                 + Math.pow((px.y - py.y), 2));
149 
150     }
151 
152     public void change_oldtonew(point[] old, point[] news) {
153         for (int i = 0; i < old.length; i++) {
154             old[i].x = news[i].x;
155             old[i].y = news[i].y;
156             old[i].flage = 0;// 表示為聚類中心的標志。
157         }
158     }
159 
160     public void movecore() {
161         // this.productpoint();//初始化，樣本集，聚類中心，
162         this.searchbelong();
163         this.calaverage();//
164         double movedistance = 0;
165         int biao = -1;//標志，聚類中心點的移動是否符合最小距離
166         for (int i = 0; i < pacore.length; i++) {
167             movedistance = distpoint(pacore[i], pacoren[i]);
168             System.out.println("distcore:" + movedistance);//聚類中心的移動距離
169             if (movedistance < 0.01) {
170                 biao = 0;
171 
172             } else {
173                 
174                 biao=1;//需要繼續迭代，
175                 break;
176 
177             }
178         }
179         if (biao == 0) {
180             System.out.print("迭代完畢！！！！！");
181         } else {
182             change_oldtonew(pacore, pacoren);
183             movecore();
184         }
185 
186     }
187 
188     public static void main(String[] args) {
189         // TODO Auto-generated method stub
190 
191         Kcluster kmean = new Kcluster();
192         kmean.productpoint();
193         kmean.movecore();
194     }
195 
196 }

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 java實現K-means聚類算法聚類算法的實現 k-means（一）聚類算法與K-means實現 Matlab實現K-Means聚類算法 k-means聚類算法python實現關於k-means聚類算法的matlab實現 Matlab實現K-Means聚類算法 K-Means 聚類算法 K-means聚類算法 K-Means聚類算法