CHAMELEON是一种两阶段聚类法。第一阶段把点分成很多小的簇；第二阶段根据相近程度合并这些小的簇。第一阶段采用K最邻近法，即把一个点和它最邻近的K个点连接起来。第二阶段计算任意两个簇的互连性RI和紧密性RC，当两个指标都比较大时才合并这两个簇。
相对互连度
相对紧密度
|Ci|表示簇i内数据点的个数；EC(Ci)表示簇i内所有边的权重和；EC(Ci,Cj)表示跨越两个簇的所有边的权重和。
下图是第一阶段后形成的几个小的子簇：
把子簇合并后形成的最终簇划分：
CHAMELEON具有两个特点：（1）适合于高维数据的聚类，在文本分类中，每个文本都被表示为一个数千维的向量。（2）采用k-邻近图可以动态地捕捉邻域概念，在稠密区域邻域比较窄，在稀疏区域邻域比较宽，这相比于DBSCAN中的全局邻域密度来说容易获得更自然的邻域。
下面给出CHAMELEON算法的核心代码：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 | /** * Author: Orisun * Date: Sep 13, 2011 * FileName: chameleon.java * Function: */ package orisun; import java.io.DataInputStream; import java.io.DataOutputStream; import java.io.File; import java.io.FileNotFoundException; import java.io.FileOutputStream; import java.io.FileInputStream; import java.io.IOException; import java.util.zip.DeflaterOutputStream; import java.util.zip.InflaterInputStream; import java.util.ArrayList; import java.util.Comparator; import java.util.HashMap; import java.util.Iterator; import java.util.LinkedList; import java.util.Map; import java.util.PriorityQueue; import java.util.Map.Entry; import java.util.Queue; import java.util.Vector; public class Chameleon { float [][] W; // weight矩阵(方阵) byte [][] Conn; // 连接矩阵(方阵) Vector<Vector<Integer>> clusters; double MI; // 综合指数 // 构造函数，初始化变量 public Chameleon( int datanum, double mi) { W = new float [datanum][]; for ( int i = 0 ; i < datanum; i++) { W[i] = new float [datanum]; } Conn = new byte [datanum][]; for ( int i = 0 ; i < datanum; i++) { // 由于是无向图，连接矩阵是对称的，所以我们只用矩阵的下三角以节约空间 Conn[i] = new byte [i + 1 ]; } clusters = new Vector<Vector<Integer>>(); MI = mi; } // 构造weight矩阵。根据两点间距离的倒数计算两点的相似度，作为连接权重 public void buildWeightMatrix(ArrayList<DataObject> objects) { for ( int i = 0 ; i < W.length; i++) { W[i][i] = 1 .0f; for ( int j = i + 1 ; j < W[i].length; j++) { float dist = ( float ) Global.calEuraDist(objects.get(i) .getVector(), objects.get(j).getVector(), objects .get(j).getVector().length); W[i][j] = W[j][i] = 1 / ( 1 + dist); } } } // 把weight矩阵写入文件，下次计算相同实例时免得重新计算 public void writeWeightToFile(File file) { DataOutputStream fout; try { fout = new DataOutputStream( new DeflaterOutputStream( new FileOutputStream(file))); fout.writeInt(W.length); //先把方阵的边长写入文件 for ( int i= 0 ;i<W.length;i++) for ( int j= 0 ;j<W.length;j++) fout.writeFloat(W[i][j]); fout.close(); } catch (FileNotFoundException e) { System.err.println( "File Not Found!" ); } catch (IOException e){ e.printStackTrace(); } } // 从文件读入weight矩阵 public void readWeightFromFile(File file){ DataInputStream fin; try { fin = new DataInputStream( new InflaterInputStream( new FileInputStream(file))); fin.readInt(); //第一个数字是方阵的边长，略过 for ( int i= 0 ;i<W.length;i++) for ( int j= 0 ;j<W.length;j++) W[i][j]=fin.readFloat(); fin.close(); } catch (FileNotFoundException e) { System.err.println( "File Not Found!" ); } catch (IOException e){ e.printStackTrace(); } } // CHAMELEON第一阶段，按照K最邻近建立较小的子簇 public void buildSmallCluster() { PriorityQueue<Entry<Integer, Float>> pq = new PriorityQueue<Entry<Integer, Float>>( Global.k, new Comparator<Map.Entry<Integer, Float>>() { public int compare(Entry<Integer, Float> arg0, Entry<Integer, Float> arg1) { return arg0.getValue().compareTo(arg1.getValue()); } }); for ( int i = 0 ; i < W.length; i++) { pq.clear(); int j = 0 ; HashMap<Integer, Float> map = new HashMap<Integer, Float>(); // 找到与object距离最小（亦即相似度最大）的K个点 for (; j < Global.k; j++) { map.clear(); map.put(j, W[i][j]); pq.add(map.entrySet().iterator().next()); } for (; j < W[i].length; j++) { if (W[i][j] > pq.peek().getValue()) { pq.poll(); map.clear(); map.put(j, W[i][j]); pq.add(map.entrySet().iterator().next()); } } for (j = 0 ; j < Global.k; j++) { Entry<Integer, Float> entry = pq.poll(); if (i > entry.getKey()) Conn[i][entry.getKey()] = 1 ; else if (i < entry.getKey()) Conn[entry.getKey()][i] = 1 ; // 对角线上的设为0 } } // 根据连接矩阵构造连通子图 boolean [] visited = new boolean [W.length]; boolean allvisited = false ; while (!allvisited) { allvisited = true ; L1: for ( int i = 0 ; i < W.length; i++) { if (visited[i]) continue ; allvisited = false ; // 搜寻第i列，以图发现新子图的第一个点 for ( int j = i + 1 ; j < W.length; j++) { // 发现了新子图的第一个点 if (Conn[j][i] == 1 ) { Vector<Integer> cluster = new Vector<Integer>(); Queue<Integer> queue = new LinkedList<Integer>(); queue.add(i); queue.add(j); while (!queue.isEmpty()) { int ele = queue.poll(); cluster.add(ele); visited[ele] = true ; // 遍历第ele列 for ( int k = ele + 1 ; k < W.length; k++) { if (visited[k]) continue ; if (Conn[k][ele] == 1 && !queue.contains(k)) { queue.add(k); } } // 遍历第ele行 for ( int k = 0 ; k < ele; k++) { if (visited[k]) continue ; if (Conn[ele][k] == 1 && !queue.contains(k)) queue.add(k); } } clusters.add(cluster); break L1; } } } } } // 打印子簇 public void printClusters() { for ( int i = 0 ; i < clusters.size(); i++) { System.out.print( "以下数据点属于第" + i + "簇：" ); Iterator<Integer> iter = clusters.get(i).iterator(); while (iter.hasNext()) { System.out.print(iter.next() + "," ); } System.out.println(); } } // CHAMELEON第二阶段，合并相对互联度RI和相对紧密度RC都较高的簇 public void cluster() { int len = clusters.size(); float [] EC1 = new float [len]; for ( int i = 0 ; i < len; i++) { Vector<Integer> vec = clusters.get(i); for ( int j = 0 ; j < vec.size(); j++) { for ( int k = 0 ; k < vec.size(); k++) { EC1[i] += W[vec.get(j)][vec.get(k)]; } } } boolean end = true ; for ( int i = 0 ; i < clusters.size(); i++) { for ( int j = i + 1 ; j < clusters.size(); j++) { Vector<Integer> vec1 = clusters.get(i); Vector<Integer> vec2 = clusters.get(j); float EC = 0 .0f; float RI = 0 .0f; float SEC = 0 .0f; float RC = 0 .0f; for ( int k = 0 ; k < vec1.size(); k++) { for ( int m = 0 ; m < vec2.size(); m++) { EC += W[vec1.get(k)][vec2.get(m)]; } } RI = 2 * EC / (EC1[i] + EC1[j]); RC = (vec1.size() + vec2.size()) * EC / (vec2.size() * EC1[i] + vec1.size() * EC1[j]); // 以RI*RC作为综合指数 if (RI * RC > MI) { mergeClusters(i, j); end = false ; break ; } } } // 递归合并子簇 if (!end) cluster(); } // 把簇b合并到簇a里面去 public void mergeClusters( int a, int b) { Iterator<Integer> iter = clusters.get(b).iterator(); while (iter.hasNext()) { clusters.get(a).add(iter.next()); } clusters.remove(b); } public static void main(String[] args) { Global.setK( 2 ); // 2最邻近，这里面包括它自己 DataSource datasource = new DataSource(); datasource.readMatrix( new File( "/home/orisun/test/dot.mat" )); datasource.readRLabel( new File( "/home/orisun/test/dot.rlabel" )); // datasource.readMatrix(new File("/home/orisun/test/text.normalized.mat")); // datasource.readRLabel(new File("/home/orisun/test/text.rlabel")); // File wfile=new File("/home/orisun/test/test_weight"); // if(!wfile.exists()){ // try { // wfile.createNewFile(); // } catch (IOException e) { // e.printStackTrace(); // } // } //综合指数0.1 Chameleon cham = new Chameleon(datasource.row, 0.1 ); // cham.readWeightFromFile(wfile); cham.buildWeightMatrix(datasource.objects); // cham.writeWeightToFile(wfile); cham.buildSmallCluster(); System.out.println( "==============第一阶段后的分类结果==============" ); cham.printClusters(); cham.cluster(); System.out.println( "==============第二阶段后的分类结果==============" ); cham.printClusters(); } } |
原文来自:博客园（华夏35度）http://www.cnblogs.com/zhangchaoyang 作者:Orisun
