本文章转载至：http://blog.csdn.net/cyxlzzs/article/details/7416491
源码
Kmeans.java文件源码如下：
package com.bigdata.ml.cluster;
import java.util.ArrayList;
import java.util.Random;
/**
* 聚类算法通常用于数据挖掘，将相似的数组进行聚簇
*
* @author zouzhongfan
*
*/
public class Kmeans {
private int k;// 分成多少簇
private int m;// 迭代次数
private int dataSetLength;// 数据集元素个数，即数据集的长度
private ArrayList<float[]> dataSet;// 数据集链表
private ArrayList<float[]> center;// 中心链表
private ArrayList<ArrayList<float[]>> cluster; // 簇
private ArrayList<Float> jc;// 误差平方和，k越接近dataSetLength，误差越小
private Random random;
/**
* 设置需分组的原始数据集
*
* @param dataSet
*/
public void setDataSet(ArrayList<float[]> dataSet) {
this.dataSet = dataSet;
}
/**
* 获取结果分组
*
* @return 结果集
*/
public ArrayList<ArrayList<float[]>> getCluster() {
return cluster;
}
/**
* 构造函数，传入需要分成的簇数量
*
* @param k
* ,簇数量,若k<=0时，设置为1，若k大于数据源的长度时，置为数据源的长度
*/
public Kmeans(int k) {
if (k <= 0) {
k = 1;
}
this.k = k;
}
/**
* 初始化
*/
private void init() {
m = 0;
random = new Random();
if (dataSet == null || dataSet.size() == 0) {
initDataSet();
}
dataSetLength = dataSet.size();
// 若k大于数据源的长度时，置为数据源的长度
if (k > dataSetLength) {
k = dataSetLength;
}
center = initCenters();// 初始化中心
cluster = initCluster();// 初始化簇集，分配内存，但元素为空
jc = new ArrayList<Float>();// 初始化误差平方和
}
/**
* 如果调用者未初始化数据集，则采用内部测试数据集
*/
private void initDataSet() {
dataSet = new ArrayList<float[]>();
// 其中{6,3}是一样的，所以长度为15的数据集分成14簇和15簇的误差都为0
float[][] dataSetArray = new float[][] { { 8, 2 }, { 3, 4 }, { 2, 5 },
{ 4, 2 }, { 7, 3 }, { 6, 2 }, { 4, 7 }, { 6, 3 }, { 5, 3 },
{ 6, 3 }, { 6, 9 }, { 1, 6 }, { 3, 9 }, { 4, 1 }, { 8, 6 } };
for (int i = 0; i < dataSetArray.length; i++) {
dataSet.add(dataSetArray[i]);
}
}
/**
* 初始化中心数据链表，分成多少簇就有多少个中心点
*
* @return 中心点集
*/
private ArrayList<float[]> initCenters() {
ArrayList<float[]> center = new ArrayList<float[]>();
int[] randoms = new int[k];
boolean flag;
// 生成k个互补相同的随机数
int temp = random.nextInt(dataSetLength);
randoms[0] = temp;
for (int i = 1; i < k; i++) {
flag = true;
while (flag) {
temp = random.nextInt(dataSetLength);
int j = 0;
while (j < i) {
if (temp == randoms[j]) {
break;
}
j++;
}
if (j == i) {
flag = false;
}
}
randoms[i] = temp;
}
// 生成初始化中心链表
for (int i = 0; i < k; i++) {
center.add(dataSet.get(randoms[i]));
}
return center;
}
/**
* 初始化簇集合
*
* @return 一个分为k簇的空数据的簇集合
*/
private ArrayList<ArrayList<float[]>> initCluster() {
ArrayList<ArrayList<float[]>> cluster = new ArrayList<ArrayList<float[]>>();
for (int i = 0; i < k; i++) {
cluster.add(new ArrayList<float[]>());
}
return cluster;
}
/**
* 计算两个点之间的距离(欧几里得距离)
*
* @param element
* 点1
* @param center
* 点2
* @return 距离
*/
private float distance(float[] element, float[] center) {
float distance = 0.0f;
float x = element[0] - center[0];
float y = element[1] - center[1];
float z = x * x + y * y;
distance = (float) Math.sqrt(z);
return distance;
}
/**
* 获取距离集合中最小距离的位置
*
* @param distance
* 距离数组
* @return 最小距离在距离数组中的位置
*/
private int minDistance(float[] distance) {
float minDistance = distance[0];
int minLocation = 0;
for (int i = 1; i < distance.length; i++) {
if (distance[i] < minDistance) {
minDistance = distance[i];
minLocation = i;
} else if (distance[i] == minDistance) // 如果相等，随机返回一个位置
{
if (random.nextInt(10) < 5) {
minLocation = i;
}
}
}
return minLocation;
}
/**
* 核心 计算两点之间的距离，并将当前元素放到最小距离中心的簇中
*/
private void clusterSet() {
float[] distance = new float[k];
for (int i = 0; i < dataSetLength; i++) {
for (int j = 0; j < k; j++) {
distance[j] = distance(dataSet.get(i), center.get(j));// 计算两个点之间的距离
}
int minLocation = minDistance(distance);
cluster.get(minLocation).add(dataSet.get(i));// 核心，将当前元素放到最小距离中心的簇中
}
}
/**
* 求两点误差平方的方法
*
* @param element
* 点1
* @param center
* 点2
* @return 误差平方
*/
private float errorSquare(float[] element, float[] center) {
float x = element[0] - center[0];
float y = element[1] - center[1];
float errSquare = x * x + y * y;
return errSquare;
}
/**
* 计算误差平方和准则函数方法
*/
private void countRule() {
float jcF = 0;
for (int i = 0; i < cluster.size(); i++) {
for (int j = 0; j < cluster.get(i).size(); j++) {
jcF += errorSquare(cluster.get(i).get(j), center.get(i));
}
}
jc.add(jcF);
}
/**
* 设置新的簇中心方法
*/
private void setNewCenter() {
for (int i = 0; i < k; i++) {
int n = cluster.get(i).size();
if (n != 0) {
float[] newCenter = { 0, 0 };
for (int j = 0; j < n; j++) {
newCenter[0] += cluster.get(i).get(j)[0];
newCenter[1] += cluster.get(i).get(j)[1];
}
// 设置一个平均值
newCenter[0] = newCenter[0] / n;
newCenter[1] = newCenter[1] / n;
center.set(i, newCenter);
}
}
}
/**
* 打印数据，测试用
*
* @param dataArray
* 数据集
* @param dataArrayName
* 数据集名称
*/
public void printDataArray(ArrayList<float[]> dataArray,
String dataArrayName) {
for (int i = 0; i < dataArray.size(); i++) {
System.out.println("print:" + dataArrayName + "[" + i + "]={"
+ dataArray.get(i)[0] + "," + dataArray.get(i)[1] + "}");
}
System.out.println("===================================");
}
/**
* Kmeans算法核心过程方法
*/
private void kmeans() {
init();// 初始化
printDataArray(dataSet, "initDataSet"); // 输出初始化数据集
printDataArray(center, "initCenter"); // 输出初始化中心
// 循环分组，直到误差不变为止
while (true) {
clusterSet(); // 生成簇集元素
// 输出簇集生成结果
for (int i = 0; i < cluster.size(); i++) {
printDataArray(cluster.get(i), "cluster[" + i + "]");
}
countRule();// 计算误差平方和
System.out.println("count:" + "jc[" + m + "]=" + jc.get(m));
System.out.println();
// 判断退出迭代条件，当最近两次的误差平方和相等，则退出迭代。
if (m != 0) {
if (jc.get(m) - jc.get(m - 1) == 0) {
break;
}
}
setNewCenter();// 计算新的中心
printDataArray(center, "newCenter");// 输出新的中心
m++;
cluster.clear(); // 簇集清空
cluster = initCluster(); // 簇集初始化
}
System.out.println("note:the times of repeat:m=" + m);// 输出迭代次数
}
/**
* 执行算法
*/
public void execute() {
long startTime = System.currentTimeMillis();
System.out.println("kmeans begins");
kmeans();
long endTime = System.currentTimeMillis();
System.out.println("kmeans running time=" + (endTime - startTime)
+ "ms");
System.out.println("kmeans ends");
System.out.println();
}
public static void main(String[] args) {
// 初始化一个Kmean对象，将k置为3
Kmeans k = new Kmeans(3);
ArrayList<float[]> dataSet = new ArrayList<float[]>();
dataSet.add(new float[] { 1, 2 });
dataSet.add(new float[] { 3, 3 });
dataSet.add(new float[] { 3, 4 });
dataSet.add(new float[] { 5, 6 });
dataSet.add(new float[] { 8, 9 });
dataSet.add(new float[] { 4, 5 });
dataSet.add(new float[] { 6, 4 });
dataSet.add(new float[] { 3, 9 });
dataSet.add(new float[] { 5, 9 });
dataSet.add(new float[] { 4, 2 });
dataSet.add(new float[] { 1, 9 });
dataSet.add(new float[] { 7, 8 });
// 设置原始数据集
k.setDataSet(dataSet);
// 执行算法
k.execute();
// 得到聚类结果
ArrayList<ArrayList<float[]>> cluster = k.getCluster();
// 查看结果
for (int i = 0; i < cluster.size(); i++) {
k.printDataArray(cluster.get(i), "cluster[" + i + "]");
}
}
}测试
测试结果如下：
kmeans begins
print:initDataSet[0]={1.0,2.0}
print:initDataSet[1]={3.0,3.0}
print:initDataSet[2]={3.0,4.0}
print:initDataSet[3]={5.0,6.0}
print:initDataSet[4]={8.0,9.0}
print:initDataSet[5]={4.0,5.0}
print:initDataSet[6]={6.0,4.0}
print:initDataSet[7]={3.0,9.0}
print:initDataSet[8]={5.0,9.0}
print:initDataSet[9]={4.0,2.0}
print:initDataSet[10]={1.0,9.0}
print:initDataSet[11]={7.0,8.0}
===================================
print:initCenter[0]={3.0,9.0}
print:initCenter[1]={4.0,5.0}
print:initCenter[2]={1.0,9.0}
===================================
print:cluster[0][0]={8.0,9.0}
print:cluster[0][1]={3.0,9.0}
print:cluster[0][2]={5.0,9.0}
print:cluster[0][3]={7.0,8.0}
===================================
print:cluster[1][0]={1.0,2.0}
print:cluster[1][1]={3.0,3.0}
print:cluster[1][2]={3.0,4.0}
print:cluster[1][3]={5.0,6.0}
print:cluster[1][4]={4.0,5.0}
print:cluster[1][5]={6.0,4.0}
print:cluster[1][6]={4.0,2.0}
===================================
print:cluster[2][0]={1.0,9.0}
===================================
count:jc[0]=87.0
print:newCenter[0]={5.75,8.75}
print:newCenter[1]={3.7142856,3.7142856}
print:newCenter[2]={1.0,9.0}
===================================
print:cluster[0][0]={8.0,9.0}
print:cluster[0][1]={5.0,9.0}
print:cluster[0][2]={7.0,8.0}
===================================
print:cluster[1][0]={1.0,2.0}
print:cluster[1][1]={3.0,3.0}
print:cluster[1][2]={3.0,4.0}
print:cluster[1][3]={5.0,6.0}
print:cluster[1][4]={4.0,5.0}
print:cluster[1][5]={6.0,4.0}
print:cluster[1][6]={4.0,2.0}
===================================
print:cluster[2][0]={3.0,9.0}
print:cluster[2][1]={1.0,9.0}
===================================
count:jc[1]=40.732143
print:newCenter[0]={6.6666665,8.666667}
print:newCenter[1]={3.7142856,3.7142856}
print:newCenter[2]={2.0,9.0}
===================================
print:cluster[0][0]={8.0,9.0}
print:cluster[0][1]={5.0,9.0}
print:cluster[0][2]={7.0,8.0}
===================================
print:cluster[1][0]={1.0,2.0}
print:cluster[1][1]={3.0,3.0}
print:cluster[1][2]={3.0,4.0}
print:cluster[1][3]={5.0,6.0}
print:cluster[1][4]={4.0,5.0}
print:cluster[1][5]={6.0,4.0}
print:cluster[1][6]={4.0,2.0}
===================================
print:cluster[2][0]={3.0,9.0}
print:cluster[2][1]={1.0,9.0}
===================================
count:jc[2]=36.190475
print:newCenter[0]={6.6666665,8.666667}
print:newCenter[1]={3.7142856,3.7142856}
print:newCenter[2]={2.0,9.0}
===================================
print:cluster[0][0]={8.0,9.0}
print:cluster[0][1]={5.0,9.0}
print:cluster[0][2]={7.0,8.0}
===================================
print:cluster[1][0]={1.0,2.0}
print:cluster[1][1]={3.0,3.0}
print:cluster[1][2]={3.0,4.0}
print:cluster[1][3]={5.0,6.0}
print:cluster[1][4]={4.0,5.0}
print:cluster[1][5]={6.0,4.0}
print:cluster[1][6]={4.0,2.0}
===================================
print:cluster[2][0]={3.0,9.0}
print:cluster[2][1]={1.0,9.0}
===================================
count:jc[3]=36.190475
note:the times of repeat:m=3
kmeans running time=5ms
kmeans ends
print:cluster[0][0]={8.0,9.0}
print:cluster[0][1]={5.0,9.0}
print:cluster[0][2]={7.0,8.0}
===================================
print:cluster[1][0]={1.0,2.0}
print:cluster[1][1]={3.0,3.0}
print:cluster[1][2]={3.0,4.0}
print:cluster[1][3]={5.0,6.0}
print:cluster[1][4]={4.0,5.0}
print:cluster[1][5]={6.0,4.0}
print:cluster[1][6]={4.0,2.0}
===================================
print:cluster[2][0]={3.0,9.0}
print:cluster[2][1]={1.0,9.0}
===================================
