K-Means算法Demo

简介：本Demo是参照这个网站上的Demo自己用Java实现的。将Java打包为Jar，再将Jar转为exe，源代码及程序Demo下载请点我。

K-Means算法简介

　　我尽量用通俗易懂但不规范的语言来描述K-Means算法。

　　K-Means算法是数据挖掘十大算法之一，是一种聚类算法，也是最简单的无监督学习（unsupervised learning）算法之一。

　　假设有一个元素集合，我们的目标是将该集合中的元素划分成K个簇（就是K个部分），每个簇内的元素相似度较高，不同簇的元素相似度较低（正所谓物以类聚，人以群分）。

　　而K-Means算法就是实现这样一个目标的算法。

　　先看Demo，会有直观的了解。

K-Means算法步骤

　　因为要做可视化界面，所以我们现在只讨论二维的情况，即每个元素用2个数表示。

　　假如我们的元素集合是平面上的N个点，计算相似度用的是两点之间的欧氏距离（当然也可以使用其他距离公式，相关距离公式见下部分），两点距离越短则表示相似度越高。那么算法步骤大概是这个样子：

　　Step 1. 随机产生K个点，作为K个簇的中心（注意K<=N）

　　Step 2. 对N个点中的每一个点，计算该点离哪个中心最近，离哪个中心最近就属于哪个簇。　　

　　Step 3. 更新每个簇的中心（取簇中的元素的坐标的均值）

　　Step 4. 重复Step2和Step3直到所有簇的中心不再改变。

Java实现代码（带图形界面）

import java.awt.*;
import java.awt.event.*;
import javax.swing.*;
import javax.swing.JFrame;
import javax.swing.JPanel;
import java.util.Random;
import java.applet.*;

class PaintovalPane extends JPanel
{
    /*K-Means*/
    int K = 5;        //K个中心
    int N = 50;        //N个点
    int D = 2;        //二维元素

    Random rand = new Random();

    class Point
    {            
        Point()
        {
            initial();
        }
        
        void initial()
        {
            /*初始化为[0,600)的随机点，簇编号为-1，无意义*/
            for (int i = 0; i < D; ++i)
                x[i] = rand.nextDouble()*600;
            clusterNum = -1;
        }
        double x[] = new double[D];    //坐标
        int clusterNum;                //簇编号
    };

    Point p[];                //数据点
    Point centroid[];        //中心点
    Point oldCentroid[];    //上一次的中心点，用于确定中心点是否不再改变
    Color colors[];            //表示不同簇的颜色值
    /*欧式距离*/
    double Euclidean(Point p1, Point p2)
    {
        double dis = 0;
        
        for (int i = 0; i < D; ++i)
            dis += (p1.x[i]-p2.x[i])*(p1.x[i]-p2.x[i]);
        return Math.sqrt(dis);
    }
    /*更新中心点*/
    void updateCentroid(int clusterNum)
    {    
        for (int i = 0; i < D; ++i)
            centroid[clusterNum].x[i] = 0;
            
        int clusterSize = 0;
        
        for (int i = 0; i < N; ++i)
            if (p[i].clusterNum == clusterNum)
            {
                clusterSize++;
                
                for (int j = 0; j < D; ++j)
                    centroid[clusterNum].x[j] += p[i].x[j];
            }

        if (clusterSize == 0)
            return;
            
        for (int i = 0; i < D; ++i)
            centroid[clusterNum].x[i] /= (double)clusterSize;
    }

    /*更新中心点的接口函数*/
    void updateCentroids()
    {
        for (int i = 0; i < K; ++i)
            updateCentroid(i);
    }
    
    /*分配数据点到哪个簇*/
    void assignPoint(int x)
    {
        double minDis = 99999999;
        int minIndex = 1;
        for (int i = 0; i < K; ++i)
        {
            double curDis = Euclidean(p[x], centroid[i]);
            if (curDis < minDis)
            {
                minDis = curDis;
                minIndex = i;
            }
        }
        p[x].clusterNum = minIndex;
    }

    /*分配数据点到哪个簇的接口函数*/
    void assign()
    {
        for (int i = 0; i < N; ++i)
            assignPoint(i);
    }
    
    /*判断2点是否同一个点*/
    Boolean samePoint(Point p1, Point p2)
    {
        if (p1.clusterNum != p2.clusterNum)
            return false;
        for (int i = 0; i < D; ++i)
            if (p1.x[i] != p2.x[i])
                return false;
        return true;
    }

    /*判断算法是否终止*/
    Boolean stop()
    {
        /*如果每一个中心点都与上一次的中心点相同，则算法终止，否则更新oldCentroid*/
        for (int i = 0; i < K; ++i)
            if (!samePoint(oldCentroid[i], centroid[i]))    
            {
                for (int j = 0; j < K; ++j)
                    copy(oldCentroid[j],centroid[j]);
                return false;
            }
        return true;
    }

    /*令p1 = p2*/
    void copy(Point p1, Point p2)
    {
        p1.clusterNum = p2.clusterNum;
        for (int i = 0; i < D; ++i)
            p1.x[i] = p2.x[i];
    }
    /*初始化*/
    void init()
    {
        /*分配内存*/
        p = new Point[N];    
        centroid = new Point[K];
        oldCentroid = new Point[K];
        colors = new Color[K];

        for (int i = 0; i < N; ++i)
        {
            p[i] = new Point();
            p[i].initial();
        }

        for (int i = 0; i < K; ++i)
        {
            centroid[i] = new Point();
            oldCentroid[i] = new Point();
            centroid[i].initial();
            oldCentroid[i].initial();
            copy(oldCentroid[i],centroid[i]);
            colors[i] = new Color(rand.nextInt(255), rand.nextInt(255), rand.nextInt(255));
        }
    }

    /*默认构造函数，调用初始化函数*/
    PaintovalPane()
    {
        init();
    }

    /*重载绘图函数*/
    public void paintComponent(Graphics g)
    {
        super.paintComponent(g);
        setBackground(Color.white);
        /*画数据点（圆形），根据簇编号来确定颜色*/
        for (int i = 0; i < N; ++i)
        {
            int x = (int)p[i].x[0], y = (int)p[i].x[1];

            if (p[i].clusterNum == -1)
                g.setColor(Color.black);
            else
                g.setColor(colors[p[i].clusterNum]);

            g.fillOval(x, y, 15, 15);
        }
        /*画中心点（矩形），根据簇编号来确定颜色*/
        for (int i = 0; i < K; ++i) 
        {
            int x = (int)centroid[i].x[0], y = (int)centroid[i].x[1];

            g.setColor(colors[i]);

            g.fillRect(x, y, 15, 15);
        }
    }
}

class Drawing extends JFrame
{
    /*声明一系列组件*/
    JButton jButton1 = new JButton("Start");
    JButton jButton2 = new JButton("Step");
    JButton jButton3 = new JButton("Run");
    JLabel label1 = new JLabel("Points");
    JLabel label2 = new JLabel("Clusters");
    JTextField textField1 = new JTextField("This is buffer for text", 15);
    JTextField textField2 = new JTextField("This is buffer for text", 15);
    JPanel jPanel = new JPanel();
    PaintovalPane paint = new PaintovalPane();
    Drawing()
    {
        setTitle("K-Means");
        setVisible(true);
        setDefaultCloseOperation(EXIT_ON_CLOSE);
        setSize (660,710);
        textField1.setText(String.valueOf(paint.N));
        textField2.setText(String.valueOf(paint.K));
        /*Start按钮的监听器*/
        jButton1.addActionListener(new ActionListener(){
            public void actionPerformed(ActionEvent ae) 
            {
                int input1 = Integer.parseInt(textField1.getText());
                int input2 = Integer.parseInt(textField2.getText());

                /*判断输入是否合法*/
                if (input1 > 500 || input1 <= 0)
                {
                    JOptionPane.showMessageDialog(null, "Please input the number between 1-500");
                }
                else if (input2 > input1 || input2 <= 0)
                {
                    JOptionPane.showMessageDialog(null, "Please input the number between 1-Points");
                }
                else
                {
                    paint.N = input1;
                    paint.K = input2;
                    paint.init();
                    paint.repaint();
                    jButton2.setText("Step");
                    jButton2.setEnabled(true);
                    jButton3.setText("Run");
                    jButton3.setEnabled(true);
                }
            }
        });
        /*Step按钮的监听器*/
        jButton2.addActionListener(new ActionListener(){
            public void actionPerformed(ActionEvent ae) 
            {

                paint.assign();
        
                paint.updateCentroids();

                /*算法终止的话让按钮变灰并提示算法结束*/
                if (paint.stop())
                {
                    jButton2.setText("End");
                    jButton2.setEnabled(false);
                    jButton3.setText("End");
                    jButton3.setEnabled(false);
                }

                paint.repaint();
            }
        });
        /*Run按钮的监听器*/
        jButton3.addActionListener(new ActionListener(){
            public void actionPerformed(ActionEvent ae) 
            {
                do
                {
                    paint.assign();
        
                    paint.updateCentroids();

                    paint.repaint();
                }
                while(!paint.stop());

                /*算法终止的话让按钮变灰并提示算法结束*/
                jButton2.setText("End");
                jButton2.setEnabled(false);
                jButton3.setText("End");
                jButton3.setEnabled(false);
            }
        });
        jPanel.add(label1);
        jPanel.add(textField1);
        jPanel.add(label2);
        jPanel.add(textField2);
        jPanel.add(jButton1);
        jPanel.add(jButton2);
        jPanel.add(jButton3);
        jPanel.setBackground(new Color(1,255,1));
        add(BorderLayout.NORTH,jPanel);
        add(BorderLayout.CENTER, paint);
    }
}

public class Hello extends Applet
{
    public static void main(String args[])
    {
        Drawing d = new Drawing();
    }
}

C++实现代码

#include <iostream>
#include <cmath>
#include <ctime>
#include <cstdlib>
using namespace std;

#define K 10    //簇数 
#define N 200    //点数
#define D 2        //维数

/*产生0-100的随机数*/
double random()
{    
    return 100*(double)rand()/(double)RAND_MAX;
} 

class Point
{
    public:
        
    Point()
    {
        for (int i = 0; i < D; ++i)
            x[i] = random();
        clusterNum = -1;
    }
    
    double x[D];    //坐标
    int clusterNum;    //所属簇的编号 
};

Point p[N];
Point centroid[K];
Point oldCentroid[K];

/*欧式距离*/
double Euclidean(Point p1, Point p2)
{
    double dis = 0;
    
    for (int i = 0; i < D; ++i)
        dis += (p1.x[i]-p2.x[i])*(p1.x[i]-p2.x[i]);
    return sqrt(dis);
}

/*重新计算编号为clusterNum的簇的重心*/
void updateCentroid(int clusterNum)
{    
    for (int i = 0; i < D; ++i)
        centroid[clusterNum].x[i] = 0;
        
    int clusterSize = 0;
    
    for (int i = 0; i < N; ++i)
        if (p[i].clusterNum == clusterNum)
        {
            clusterSize++;
            
            for (int j = 0; j < D; ++j)
                centroid[clusterNum].x[j] += p[i].x[j];
        }

    if (clusterSize == 0)
        return;
        
    for (int i = 0; i < D; ++i)
        centroid[clusterNum].x[i] /= (double)clusterSize;
}

void updateCentroids()
{
    for (int i = 0; i < K; ++i)
        updateCentroid(i);
}
/*计算某点属于哪一簇*/
void assignPoint(Point &point)
{
    double minDis = INT_MAX;
    int minIndex = 1;
    for (int i = 0; i < K; ++i)
    {
        double curDis = Euclidean(point, centroid[i]);
        if (curDis < minDis)
            minDis = curDis, minIndex = i;
    }
    point.clusterNum = minIndex;
}

void assign()
{
    for (int i = 0; i < N; ++i)
        assignPoint(p[i]);
}
/*比较是否相同的两个点，注意double的比较有时候可能出现问题*/
bool samePoint(Point p1, Point p2)
{
    if (p1.clusterNum != p2.clusterNum)
        return false;
    for (int i = 0; i < D; ++i)
        if (p1.x[i] != p2.x[i])
            return false;
    return true;
}

/*判断重心是否不变，若重心不再变化，算法终止*/ 
bool stop()
{
    for (int i = 0; i < K; ++i)
        if (!samePoint(oldCentroid[i], centroid[i]))    //若算法未停止，则更新oldCentroid 
        {
            for (int j = 0; j < K; ++j)
                oldCentroid[j] = centroid[j];
            return false;
        }
    return true;
}

void init()
{
    srand(time(0));
    
    /*如果类内成员是基本类型，则默认的operator=可以完成简单的赋值功能*/
    for (int i = 0; i < K; ++i)
        oldCentroid[i] = centroid[i];
}

int main()
{
    init();
    do
    {
        assign();
        
        updateCentroids();
    }
    while(!stop());    
}

ps.一点收获，C++中，自定义类提供的默认operator=是可以完成基本数据类型的赋值的，但是Java的operator=并不是简单赋值，而是=左边的类变成=右边的类引用。

程序效果

　　按下Start

　　按下Step

　　按下Run

将Java程序转为exe

　　为了能够让Java程序到处跑（不是每个电脑都装有Java虚拟机的），决定将Java程序转为exe。

　　步骤如下：

　　1、将.java编译为.class

进入cmd，cd切换到.java文件目录下，执行javac Hello.java，产生Hello.class

　　2、将相关的.class打包为一个.jar文件

　　继续在当前目录下，执行jar cvf Hello.jar *.class，产生Hello.jar

　　注意，此时Hello.jar是不能直接执行的，因为缺少入口函数。我们用360压缩打开Hello.jar，可以看到有一个META-INF文件夹，里面有一个MANIFEST.MF文件，用笔记本打开，在最后面添加Main-Class: Hello。（注意1，Hello是我自己的入口函数所在的类；注意2，Main-Class:后面有空格）。这个时候.jar文件应该可以用java虚拟机执行了。

　　3、利用软件j2ewiz.exe or click me 将.jar文件转为.exe

距离公式

　　1）Minkowski Distance（闵可夫斯基距离）——λ可取任意值，可以是负数，也可以是正数，或是无穷大。

　　2）Euclidean Distance（欧氏距离）——也就是第一个公式λ=2的情况，高中学过的最基本的平面上两点的距离公式。

 

　　3）CityBlock Distance（曼哈顿距离）——也就是第一个公式λ=1的情况。

 

　　如下图，绿色代表欧氏距离，也就是直线距离；而红色、蓝色和黄色代表等价的曼哈顿距离。

参考资料

算法杂货铺——k均值聚类(K-means)

K-Means算法Demo

曼哈顿距离

斯坦福公开课

java如何打JAR包