聚类算法之划分方法聚类

　　1，原型聚类（划分方法）：给定一个n个对象的集合，划分方法构建数据的K个分区。大部分划分方法是基于距离的，所以只能发现球类簇。为了达到全局最优，K值需要全局遍历。计算量太大。普遍采用了流行的启发式算法。如K均值和k-中心点算法，渐进的提高聚类质量，逼近局部最优解，这些启发聚类算法适合发现中小规模的数据的球状簇。

　　划分方法的基本特点：

　　（1） 发现球状互斥的簇

　　（2） 基于距离

　　（3） 可以用均值或者中心点代表簇的中心

　　（4） 对中小规模数据有效

　　K均值算法

　　K-均值算法原理：

　　（1）对于给定的数据集，首先随机选取K个样本作为初始均值向量。

　　（2）遍历数据集，找到距离最近的中心点，加入该簇。

　　（3）重新计算K个簇的中心点。

      　　 If u(i)!=U(i)

       　　 更新中心点

　　(4)重复（2）（3）直到所有的中心点向量均不在发生改变。

　　为了避免运行时间过长，通常设置一个最大运行轮数或者最小调整幅度阈值。若达到最大轮数或调整幅度小于阈值，则停止运行。

  　划分算法这一模块，首先讲K-MEANS算法，从K-MEANS的原理，优缺点，改进方向方面，将其他划分方法的聚类算法引出来。

　K均值算法分析：

　　（1）不能保证K均值算法收敛于全局最优解，常常终止于局部最优解。结果可能依赖于初始簇中心的随机选择。实践中，为了得到好的结果，通常以不同的初始簇中心，多次运行K-均值算法。（初始簇中心的选择对结果的影响）

　　（2）K-Means算法的时间复杂度为O（nkt）,其中n是对象总数，k是簇数，t是迭代次数。对于处理大数据集，该算法是相对可伸缩和有效的。

　　（3） 需要事先知道要K值是该算法的一个缺点改进之一：提供K值的近似范围，使用分析技术，比较不同K值得到的聚类效果。K均值算法不能够发现非凸状的簇，或者大小差别很大的簇。此外对噪声和离群点敏感，因此少量的这类数据就能够对均值产生极大的影响。

　K均值缺点总结：

　（１）算法需要人工输入参数Ｋ的值，而Ｋ值取值的不同，将导致聚类结果的质量和时间的不同。(K值的选取)

　（２）算法初始聚类中也的选择直接影响了聚类结果的质量，与算法运行的效率也是息息相关的，随机选取聚类中也，就有陷入局部最优解（即代价函数取极小值）的情况，这样就无法达到最优解，严重影响聚类质量。（初始化的K歌中心的选择）

　（３）由于算法的距离计算量为欧几里德距离，用此距离计算，将形成球状或者类球状的簇。对于不同形状的数据分布还有不完善的地方。（球状簇）

　（４）对未经过预处理的异常数据非常敏感，因为异常数据的存在严重影响了聚类结果的质量。（对异常值敏感）

　（５）算法每次迭代需要计算数据集中各个数据点到聚类中也的距离，根据距离矩阵来重新分配数据到各个簇中，运算量庞大，耗时而低效。（效率低下）

　（６）对标称属性无法计算均值，标称属性无法使用K-均值。（标称属性）

　（7）算法是无监督的学习式聚类方法，当处理有初始类或者标签类属性的数据时，需要一种半监督半学习式的处理模式，如果任算法自由运算，聚类结果很可能得不到用户的肯定。

接下来根绝K-MEANS的主要缺点，逐一进行改进。

K-MEANS的JAVA代码： 大家可以参考一下，实现比较简单。

package cluster.com;  
  
import java.util.Arrays;  
import java.util.HashMap;  
import java.util.Map;  
import java.util.Random;  
 
public class KMeans {  
 
private static double[][] DATA = { { 5.1, 3.5, 1.4, 0.2},  
          { 4.9, 3.0, 1.4, 0.2 },{ 4.7, 3.2, 1.3, 0.2 },  
          { 4.6, 3.1, 1.5, 0.2 },{ 5.0, 3.6, 1.4, 0.2 },  
          { 7.0, 3.2, 4.7, 1.4 },{ 6.4, 3.2, 4.5, 1.5 },  
          { 6.9, 3.1, 4.9, 1.5 },{ 5.5, 2.3, 4.0, 1.3 },   
            { 6.5, 2.8, 4.6, 1.5 },{ 5.7, 2.8, 4.5, 1.3 },  
           { 6.5, 3.0, 5.8, 2.2 },{ 7.6, 3.0, 6.6, 2.1 },  
            { 4.9, 2.5, 4.5, 1.7 },{ 7.3, 2.9, 6.3, 1.8 },   
            { 6.7, 2.5, 5.8, 1.8 },{ 6.9, 3.1, 5.1, 2.3 } };  
    public int k;//k个中心点  
    public int[] memberShip;  
    public int[] centersIndex;  
   public double[][] centers;  
    public int[] elementsInCenters;  
      
      
    public static void main(String[] args) {  
        KMeans kmeans = new KMeans(5);  
        String lastMembership = "";  
        String nowMembership = "";  
        int i=0;  
       while(true){  
            i++;  
            kmeans.randomCenters();  
            
            kmeans.calMemberShip();  
            nowMembership = Arrays.toString(kmeans.memberShip);  
            System.out.println("DATA聚类之后Membership为："+nowMembership);  
            System.out.println("Elements in centers cnt:"+Arrays.toString(kmeans.elementsInCenters));  
            if(nowMembership.equals(lastMembership)){  
                System.out.println("本次聚类与上次相同，退出执行！");  
               System.out.println("一共聚类了 "+i+" 次！");  
                kmeans.calNewCenters();  
                System.out.println("新中心点为："+Arrays.deepToString(kmeans.centers));  
                double totalDistance = kmeans.computeTotalDistance();  
                System.out.println("totalDistance ： "+totalDistance);  
               break;  
           }else{  
                lastMembership = nowMembership;  
            }  
            System.out.println("----------------华丽的分割线----------------");  
        }  
    }  
      
    public KMeans(int k){  
        this.k = k;  
    }  
  
    public double manhattanDistince(double []paraFirstData,double []paraSecondData){  
       double tempDistince = 0;  
        if((paraFirstData!=null && paraSecondData!=null) && paraFirstData.length==paraSecondData.length){  
            for(int i=0;i