Java实现聚类算法k-means

 

java简单实现聚类算法

第一个版本有一些问题，，（一段废话biubiu。。。），，我其实每次迭代之后（在达不到收敛标准之前，聚类中心的误差达不到指定小的时候），虽然重新算了聚类中心，但是其实我的那些点并没有变，可是这个程序不知道咋回事每次都把我原先随机指定的聚类中心给变成了我算的聚类中心；怎么用，按照指示来就行了，不用读文件（源码全都是可以运行，不足之处还望批评指正）输出的结果有一堆小数的那是新聚类中心和老的的误差值，在没有达到指定小的时候，是不会停的。

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

改好了。。。。。。Java对象直接赋值属于浅拷贝

修改后为创建一个对象，值来源于随机点，但是跟随机点已经没有任何关系了。。。。。

A a=b;浅拷贝

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

A a=new A（）;

a.x=b.x;

a.y=b.y;

 a并没有引用b

、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、

题目如下：、

 初始，有问题版本：

import java.sql.Array;
import java.util.ArrayList;
import java.util.Random;
import java.util.Scanner;

class point {
    public float x = 0;
    public float y = 0;
    public int flage = -1;

    public float getX() {
        return x;
    }

    public void setX(float x) {
        this.x = x;
    }

    public float getY() {
        return y;
    }

    public void setY(float y) {
        this.y = y;
    }
}

public class Kcluster {

    point[] ypo;// 点集
    point[] pacore = null;// old聚类中心
    point[] pacoren = null;// new聚类中心

    // 初试聚类中心，点集
    public void productpoint() {
        Scanner cina = new Scanner(System.in);
        System.out.print("请输入聚类中点的个数（随机产生）：");
        int num = cina.nextInt();

        ypo = new point[num];
        // 随机产生点
        for (int i = 0; i < num; i++) {

            float x = (int) (new Random().nextInt(10));
            float y = (int) (new Random().nextInt(10));

            ypo[i] = new point();// 对象创建
            ypo[i].setX(x);
            ypo[i].setY(y);

        }

        // 初始化聚类中心位置
        System.out.print("请输入初始化聚类中心个数（随机产生）：");
        int core = cina.nextInt();
        this.pacore = new point[core];// 存放聚类中心
        this.pacoren = new point[core];

        Random rand = new Random();
        int temp[] = new int[core];
        temp[0] = rand.nextInt(num);
        pacore[0] = new point();
        pacore[0] = ypo[temp[0]];
        // 避免产生重复的中心
        for (int i = 1; i < core; i++) {
            int flage = 0;
            int thistemp = rand.nextInt(num);
            for (int j = 0; j < i; j++) {
                if (temp[j] == thistemp) {
                    flage = 1;// 有重复
                    break;

                }
            }
            if (flage == 1) {
                i--;
            } else {
                pacore[i] = new point();
                pacore[i] = ypo[thistemp];
                pacore[i].flage = 0;// 0表示聚类中心
            }

        }
        System.out.println("初始聚类中心：");
        for (int i = 0; i < pacore.length; i++) {
            System.out.println(pacore[i].x + " " + pacore[i].y);
        }

    }

    // ///找出每个点属于哪个聚类中心
    public void searchbelong()// 找出每个点属于哪个聚类中心
    {

        for (int i = 0; i < ypo.length; i++) {
            double dist = 999;
            int lable = -1;
            for (int j = 0; j < pacore.length; j++) {

                double distance = distpoint(ypo[i], pacore[j]);
                if (distance < dist) {
                    dist = distance;
                    lable = j;
                    // po[i].flage = j + 1;// 1,2,3......

                }
            }
            ypo[i].flage = lable + 1;

        }

    }

    // 更新聚类中心
    public void calaverage() {

        for (int i = 0; i < pacore.length; i++) {
            System.out.println("以<" + pacore[i].x + "," + pacore[i].y
                    + ">为中心的点：");
            int numc = 0;
            point newcore = new point();
            for (int j = 0; j < ypo.length; j++) {

                if (ypo[j].flage == (i + 1)) {
                    numc += 1;
                    newcore.x += ypo[j].x;
                    newcore.y += ypo[j].y;
                    System.out.println(ypo[j].x + "," + ypo[j].y);
                }
            }
            // 新的聚类中心
            pacoren[i] = new point();
            pacoren[i].x = newcore.x / numc;
            pacoren[i].y = newcore.y / numc;
            pacoren[i].flage = 0;
            System.out.println("新的聚类中心：" + pacoren[i].x + "," + pacoren[i].y);

        }
    }

    public double distpoint(point px, point py) {

        return Math.sqrt(Math.pow((px.x - py.x), 2)
                + Math.pow((px.y - py.y), 2));

    }

    public void change_oldtonew(point[] old, point[] news) {
        for (int i = 0; i < old.length; i++) {
            old[i].x = news[i].x;
            old[i].y = news[i].y;
            old[i].flage = 0;// 表示为聚类中心的标志。
        }
    }

    public void movecore() {
        // this.productpoint();//初始化，样本集，聚类中心，
        this.searchbelong();
        this.calaverage();//
        double movedistance = 0;
        int biao = -1;//标志，聚类中心点的移动是否符合最小距离
        for (int i = 0; i < pacore.length; i++) {
            movedistance = distpoint(pacore[i], pacoren[i]);
            System.out.println("distcore:" + movedistance);//聚类中心的移动距离
            if (movedistance < 0.01) {
                biao = 0;

            } else {
                
                biao=1;
                break;

            }
        }
        if (biao == 0) {
            System.out.print("迭代完毕！！！！！");
        } else {
            change_oldtonew(pacore, pacoren);
            movecore();
        }

    }

    public static void main(String[] args) {
        // TODO Auto-generated method stub

        Kcluster kmean = new Kcluster();
        kmean.productpoint();
        kmean.movecore();
    }

}

 修稿版：在初始化聚类中心那里。有一些改动。。。。。。。。。。。嘤嘤嘤

import java.sql.Array;
import java.util.ArrayList;
import java.util.Random;
import java.util.Scanner;

class point {
    public float x = 0;
    public float y = 0;
    public int flage = -1;

    public float getX() {
        return x;
    }

    public void setX(float x) {
        this.x = x;
    }

    public float getY() {
        return y;
    }

    public void setY(float y) {
        this.y = y;
    }
}

public class Kcluster {

    point[] ypo;// 点集
    point[] pacore = null;// old聚类中心
    point[] pacoren = null;// new聚类中心

    // 初试聚类中心，点集
    public void productpoint() {
        Scanner cina = new Scanner(System.in);
        System.out.print("请输入聚类中点的个数（随机产生）：");
        int num = cina.nextInt();

        ypo = new point[num];
        // 随机产生点
        for (int i = 0; i < num; i++) {

            float x = (int) (new Random().nextInt(10));
            float y = (int) (new Random().nextInt(10));

            ypo[i] = new point();// 对象创建
            ypo[i].setX(x);
            ypo[i].setY(y);

        }

        // 初始化聚类中心位置
        System.out.print("请输入初始化聚类中心个数（随机产生）：");
        int core = cina.nextInt();
        this.pacore = new point[core];// 存放聚类中心
        this.pacoren = new point[core];

        Random rand = new Random();
        int temp[] = new int[core];
        temp[0] = rand.nextInt(num);
        pacore[0] = new point();
        pacore[0].x = ypo[temp[0]].x;
        pacore[0].y = ypo[temp[0]].y;
        pacore[0].flage=0 ;
        // 避免产生重复的中心
        for (int i = 1; i < core; i++) {
            int flage = 0;
            int thistemp = rand.nextInt(num);
            for (int j = 0; j < i; j++) {
                if (temp[j] == thistemp) {
                    flage = 1;// 有重复
                    break;

                }
            }
            if (flage == 1) {
                i--;
            } else {
                pacore[i] = new point();
                pacore[i].x= ypo[thistemp].x;
                pacore[i].y = ypo[thistemp].y;
                pacore[i].flage = 0;// 0表示聚类中心
            }

        }
        System.out.println("初始聚类中心：");
        for (int i = 0; i < pacore.length; i++) {
            System.out.println(pacore[i].x + " " + pacore[i].y);
        }

    }

    // ///找出每个点属于哪个聚类中心
    public void searchbelong()// 找出每个点属于哪个聚类中心
    {

        for (int i = 0; i < ypo.length; i++) {
            double dist = 999;
            int lable = -1;
            for (int j = 0; j < pacore.length; j++) {

                double distance = distpoint(ypo[i], pacore[j]);
                if (distance < dist) {
                    dist = distance;
                    lable = j;
                    // po[i].flage = j + 1;// 1,2,3......

                }
            }
            ypo[i].flage = lable + 1;

        }

    }

    // 更新聚类中心
    public void calaverage() {

        for (int i = 0; i < pacore.length; i++) {
            System.out.println("以<" + pacore[i].x + "," + pacore[i].y
                    + ">为中心的点：");
            int numc = 0;
            point newcore = new point();
            for (int j = 0; j < ypo.length; j++) {

                if (ypo[j].flage == (i + 1)) {
                    System.out.println(ypo[j].x + "," + ypo[j].y);
                    numc += 1;
                    newcore.x += ypo[j].x;
                    newcore.y += ypo[j].y;
                    
                }
            }
            // 新的聚类中心
            pacoren[i] = new point();
            pacoren[i].x = newcore.x / numc;
            pacoren[i].y = newcore.y / numc;
            pacoren[i].flage = 0;
            System.out.println("新的聚类中心：" + pacoren[i].x + "," + pacoren[i].y);

        }
    }

    public double distpoint(point px, point py) {

        return Math.sqrt(Math.pow((px.x - py.x), 2)
                + Math.pow((px.y - py.y), 2));

    }

    public void change_oldtonew(point[] old, point[] news) {
        for (int i = 0; i < old.length; i++) {
            old[i].x = news[i].x;
            old[i].y = news[i].y;
            old[i].flage = 0;// 表示为聚类中心的标志。
        }
    }

    public void movecore() {
        // this.productpoint();//初始化，样本集，聚类中心，
        this.searchbelong();
        this.calaverage();//
        double movedistance = 0;
        int biao = -1;//标志，聚类中心点的移动是否符合最小距离
        for (int i = 0; i < pacore.length; i++) {
            movedistance = distpoint(pacore[i], pacoren[i]);
            System.out.println("distcore:" + movedistance);//聚类中心的移动距离
            if (movedistance < 0.01) {
                biao = 0;

            } else {
                
                biao=1;//需要继续迭代，
                break;

            }
        }
        if (biao == 0) {
            System.out.print("迭代完毕！！！！！");
        } else {
            change_oldtonew(pacore, pacoren);
            movecore();
        }

    }

    public static void main(String[] args) {
        // TODO Auto-generated method stub

        Kcluster kmean = new Kcluster();
        kmean.productpoint();
        kmean.movecore();
    }

}