聚类分析算法的一个java代码,我的项目中应用了这个代码。

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
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
package com.methol.util;

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.util.ArrayList;

//K-means算法实现

public class KMeans {
// 聚类的数目
public final static int ClassCount = 4;
// 样本数目(测试集)
public static int InstanceNumber = 100;
// 样本属性数目(测试)
public final static int FieldCount = 1;

// 设置异常点阈值参数(每一类初始的最小数目为InstanceNumber/ClassCount^t)
public final static double t = 2.0;
// 存放数据的矩阵
public static double[][] data;

// 每个类的均值中心
public static double[][] classData;

// 噪声集合索引
public static ArrayList<Integer> noises;

// 存放每次变换结果的矩阵
public static ArrayList<ArrayList<Integer>> result;

//存放每个属性的最大值
public static double[] classmax = new double[FieldCount];

// 构造函数,初始化
public KMeans() {
// 最后一位用来储存结果
data = new double[InstanceNumber][FieldCount + 1];
classData = new double[ClassCount][FieldCount];
result = new ArrayList<ArrayList<Integer>>(ClassCount);
noises = new ArrayList<Integer>();
}

/**
* 主函数入口 测试集的文件名称为“测试集.data”,其中有1000*57大小的数据 每一行为一个样本,有57个属性 主要分为两个步骤 1.读取数据
* 2.进行聚类 最后统计运行时间和消耗的内存
*/
public static void main(String[] args) {
// TODO Auto-generated method stub
long startTime = System.currentTimeMillis();
KMeans cluster = new KMeans();
cluster.InstanceNumber = 100;
// 读取数据
//cluster.readData("D:/test.txt");

//随机产生数据
for (int i = 0; i < InstanceNumber; i++) {
data[i][0] = (double) Math.random();
data[i][0] = data[i][0] * 100;
System.out.println(data[i][0]);
}

// 聚类过程
cluster.cluster();
// 输出结果
cluster.printResult("clusterResult.data");
long endTime = System.currentTimeMillis();
System.out.println("Total Time:" + (endTime - startTime) + "ms");
System.out.println("Memory Consuming:"
+ (double) (Runtime.getRuntime().totalMemory() - Runtime
.getRuntime().freeMemory()) / 1000000 + "MB");

System.out.println("聚类中心:");
for (int i = 0; i < ClassCount; i++) {
System.out.println(classData[i][0] * classmax[0]);

//data[i][0] = (double) (Math.random()*100);
}

for (ArrayList<Integer> i : result) {
for (Integer integer : i) {
System.out.print(integer + "\t");
}
System.out.println("数目:" + i.size());
}

for (ArrayList<Integer> i : result) {
for (Integer integer : i) {
System.out.print(data[integer][0] + "\t");
}
System.out.println("数目:" + i.size());
}

System.out.println("noises:");
for (Integer noise : noises) {
System.out.println(noise);
}
}

/**
* 读取测试集的数据
*
* @param trainingFileName 测试集文件名
*/
public void readData(String trainingFileName) {
try {
FileReader fr = new FileReader(trainingFileName);
BufferedReader br = new BufferedReader(fr);
// 存放数据的临时变量
String lineData = null;
String[] splitData = null;
int line = 0;
// 按行读取
while (br.ready()) {
// 得到原始的字符串
lineData = br.readLine();
splitData = lineData.split(",");
// 转化为数据
// System.out.println("length:"+splitData.length);
if (splitData.length > 1) {
for (int i = 0; i < splitData.length; i++) {
// System.out.println(splitData[i]);
// System.out.println(splitData[i].getClass());
if (splitData[i].startsWith("Iris-setosa")) {
data[line][i] = (double) 1.0;
} else if (splitData[i].startsWith("Iris-versicolor")) {
data[line][i] = (double) 2.0;
} else if (splitData[i].startsWith("Iris-virginica")) {
data[line][i] = (double) 3.0;
} else { // 将数据截取之后放进数组
data[line][i] = Double.parseDouble(splitData[i]);
}
}
line++;
}
}
System.out.println(line);
} catch (IOException e) {
e.printStackTrace();
}
}

/**
* 聚类过程,主要分为两步 1.循环找初始点 2.不断调整直到分类不再发生变化
*/
public void cluster() {
// 数据标准化处理
normalize();
// 标记是否需要重新找初始点
boolean needUpdataInitials = true;

// 找初始点的迭代次数
int times = 1;
// 找初始点
while (needUpdataInitials) {
needUpdataInitials = false;
result.clear();
//System.out.println("Find Initials Iteration" + (times++) + "time(s)");

// 一次找初始点的尝试和根据初始点的分类
findInitials();
firstClassify();

// 如果某个分类的数目小于特定的阈值,则认为这个分类中的所有样本都是噪声点
// 需要重新找初始点
for (int i = 0; i < result.size(); i++) {
if (result.get(i).size() < InstanceNumber
/ Math.pow(ClassCount, t)) {
needUpdataInitials = true;
noises.addAll(result.get(i));
}
}
}

// 找到合适的初始点后
// 不断的调整均值中心和分类,直到不再发生任何变化
Adjust();

// //把结果存入数组answer中
// for (int i = 0; i < ClassCount; i++) {
// KMeans.answer[i] = classData[i][0];
// }

}

/**
* 对数据进行归一化 1.找每一个属性的最大值 2.对某个样本的每个属性除以其最大值
*/
public void normalize() {
// 找最大值

for (int i = 0; i < InstanceNumber; i++) {
for (int j = 0; j < FieldCount; j++) {
if (data[i][j] > classmax[j])
classmax[j] = data[i][j];
}
}

// 归一化
for (int i = 0; i < InstanceNumber; i++) {
for (int j = 0; j < FieldCount; j++) {
data[i][j] = data[i][j] / classmax[j];
}
}
}

// 关于初始向量的一次找寻尝试
public void findInitials() {
// a,b为标志距离最远的两个向量的索引
int i, j, a, b;
i = j = a = b = 0;

// 最远距离
double maxDis = 0;

// 已经找到的初始点个数
int alreadyCls = 2;

// 存放已经标记为初始点的向量索引
ArrayList<Integer> initials = new ArrayList<Integer>();

// 从两个开始
for (; i < InstanceNumber; i++) {
// 噪声点
if (noises.contains(i))
continue;
// long startTime = System.currentTimeMillis();
j = i + 1;
for (; j < InstanceNumber; j++) {
// 噪声点
if (noises.contains(j))
continue;
// 找出最大的距离并记录下来
double newDis = calDis(data[i], data[j]);
if (maxDis < newDis) {
a = i;
b = j;
maxDis = newDis;
}
}
// long endTime = System.currentTimeMillis();
// System.out.println(i +
// "Vector Caculation Time:"+(endTime-startTime)+"ms");
}

// 将前两个初始点记录下来
initials.add(a);
initials.add(b);
classData[0] = data[a];
classData[1] = data[b];

// 在结果中新建存放某样本索引的对象,并把初始点添加进去
ArrayList<Integer> resultOne = new ArrayList<Integer>();
ArrayList<Integer> resultTwo = new ArrayList<Integer>();
resultOne.add(a);
resultTwo.add(b);
result.add(resultOne);
result.add(resultTwo);

// 找到剩余的几个初始点
while (alreadyCls < ClassCount) {
i = j = 0;
double maxMin = 0;
int newClass = -1;

// 找最小值中的最大值
for (; i < InstanceNumber; i++) {
double min = 0;
double newMin = 0;
// 找和已有类的最小值
if (initials.contains(i))
continue;
// 噪声点去除
if (noises.contains(i))
continue;
for (j = 0; j < alreadyCls; j++) {
newMin = calDis(data[i], classData[j]);
if (min == 0 || newMin < min)
min = newMin;
}

// 新最小距离较大
if (min > maxMin) {
maxMin = min;
newClass = i;
}
}
// 添加到均值集合和结果集合中
// System.out.println("NewClass"+newClass);
initials.add(newClass);
//System.err.println("newClass:"+newClass);
//System.err.println("alreadyCls:"+alreadyCls);
classData[alreadyCls++] = data[newClass];
ArrayList<Integer> rslt = new ArrayList<Integer>();
rslt.add(newClass);
result.add(rslt);
}
}

// 第一次分类
public void firstClassify() {
// 根据初始向量分类
for (int i = 0; i < InstanceNumber; i++) {
double min = 0f;
int clsId = -1;
for (int j = 0; j < classData.length; j++) {
// 欧式距离
double newMin = calDis(classData[j], data[i]);
if (clsId == -1 || newMin < min) {
clsId = j;
min = newMin;
}

}
// 本身不再添加
if (!result.get(clsId).contains(i))
result.get(clsId).add(i);
}
}

// 迭代分类,直到各个类的数据不再变化
public void Adjust() {
// 记录是否发生变化
boolean change = true;

// 循环的次数
int times = 1;
while (change) {
// 复位
change = false;
//System.out.println("Adjust Iteration" + (times++) + "time(s)");

// 重新计算每个类的均值
for (int i = 0; i < ClassCount; i++) {
// 原有的数据
ArrayList<Integer> cls = result.get(i);

// 新的均值
double[] newMean = new double[FieldCount];

// 计算均值
for (Integer index : cls) {
for (int j = 0; j < FieldCount; j++)
newMean[j] += data[index][j];
}
for (int j = 0; j < FieldCount; j++)
newMean[j] /= cls.size();
if (!compareMean(newMean, classData[i])) {
classData[i] = newMean;
change = true;
}
}
// 清空之前的数据
for (ArrayList<Integer> cls : result)
cls.clear();

// 重新分配
for (int i = 0; i < InstanceNumber; i++) {
double min = 0f;
int clsId = -1;
for (int j = 0; j < classData.length; j++) {
double newMin = calDis(classData[j], data[i]);
if (clsId == -1 || newMin < min) {
clsId = j;
min = newMin;
}
}
data[i][FieldCount] = clsId;
result.get(clsId).add(i);
}

// 测试聚类效果(训练集)
// for(int i = 0;i < ClassCount;i++){
// int positives = 0;
// int negatives = 0;
// ArrayList<Integer> cls = result.get(i);
// for(Integer instance:cls)
// if (data[instance][FieldCount - 1] == 1f)
// positives ++;
// else
// negatives ++;
// System.out.println(" " + i + " Positive: " + positives +
// " Negatives: " + negatives);
// }
// System.out.println();
}

}

/**
* 计算a样本和b样本的欧式距离作为不相似度
*
* @param aVector 样本a
* @param bVector 样本b
* @return 欧式距离长度
*/
private double calDis(double[] aVector, double[] bVector) {
double dis = 0;
int i = 0;
/* 最后一个数据在训练集中为结果,所以不考虑 */
for (; i < aVector.length; i++)
dis += Math.pow(bVector[i] - aVector[i], 2);
dis = Math.pow(dis, 0.5);
return (double) dis;
}

/**
* 判断两个均值向量是否相等
*
* @param a 向量a
* @param b 向量b
* @return 相等返回true
*/
private boolean compareMean(double[] a, double[] b) {
if (a.length != b.length)
return false;
for (int i = 0; i < a.length; i++) {
if (a[i] > 0 && b[i] > 0 && a[i] != b[i]) {
return false;
}
}
return true;
}

/**
* 将结果输出到一个文件中
*
* @param fileName 文件名
*/
public void printResult(String fileName) {
FileWriter fw = null;
BufferedWriter bw = null;
try {
fw = new FileWriter(fileName);
bw = new BufferedWriter(fw);
// 写入文件
for (int i = 0; i < InstanceNumber; i++) {
bw.write(String.valueOf(data[i][FieldCount]).substring(0, 1));
bw.newLine();
}

// 统计每类的数目,打印到控制台
for (int i = 0; i < ClassCount; i++) {
System.out.println("第" + (i + 1) + "类数目: "
+ result.get(i).size());
}
} catch (IOException e) {
e.printStackTrace();
} finally {

// 关闭资源
if (bw != null)
try {
bw.close();
} catch (IOException e) {
e.printStackTrace();
}
if (fw != null)
try {
fw.close();
} catch (IOException e) {
e.printStackTrace();
}
}

}
}