Java实现k_means算法进行聚类分析

package com.company; import java.io.File; import java.util.Scanner; import java.util.Vector; import static com.sun.org.apache.xalan.internal.lib.ExsltStrings.split; public class Main { public static Vector<String> indata = new Vector<>(); //存储从文件中读取的原始数据 public static Vector<double[]> data = new Vector<>(); //存储经过处理后的每一个样本的各个属性值和所属分类 public static Vector<double[]> init_kernal = new Vector<>();//存储每次迭代产生的聚类核心的每个属性值的均值 public static boolean loadData(String url) {//加载测试的数据文件 try { Scanner in = new Scanner(new File(url));//读入文件 while (in.hasNextLine()) { String str = in.nextLine();//将文件的每一行存到str的临时变量中 indata.add(str);//将每一个样本点的数据追加到Vector 中 } return true; } catch (Exception e) { //如果出错返回false return false; } } public static void pretreatment(Vector<String> indata) { //数据预处理，将原始数据中的每一个属性值提取出来存放到Vector<double[]> data中 int i = 0; String t; while (i < indata.size()) {//取出indata中的每一行值 double[] tem = new double[5]; t = indata.get(i); String[] sourceStrArray = t.split(",", 5);//使用字符串分割函数提取出各属性值 for (int j = 0; j < 4; j++) { tem[j] = Double.parseDouble(sourceStrArray[j]);//将每一个的样本的各属性值类型转换后依次存入到double[]数组中 } tem[4] = 0;//tem的第五个值表示所属类别，1.0表示第一类，2.0表示第二类，3.0表示第三类，初始化为0不属于任何类 data.add(tem);//将每一个样本加入到data中 i++; } } public static Vector<double[]> set_kernal(Vector<double[]> data, int a, int b, int c) {//设置初始的聚类核心，a，b，c分别表示一个类的核心在data中的编号 init_kernal.add(data.get(a)); init_kernal.add(data.get(b)); init_kernal.add(data.get(c)); return init_kernal; } public static int choose(double[] data, double[] a, double[] b, double[] c) {//判断一个样本属于哪一个类，返回值1表示第一类，2表示第二类，3表示第三类 double ta, tb, tc; //ta，tb，tc分别表示一个样本点到三个聚类核心的欧式距离的平方 ta = (data[0] - a[0]) * (data[0] - a[0]) + (data[1] - a[1]) * (data[1] - a[1]) + (data[2] - a[2]) * (data[2] - a[2]) + (data[3] - a[3]) * (data[3] - a[3]); tb = (data[0] - b[0]) * (data[0] - b[0]) + (data[1] - b[1]) * (data[1] - b[1]) + (data[2] - b[2]) * (data[2] - b[2]) + (data[3] - b[3]) * (data[3] - b[3]); tc = (data[0] - c[0]) * (data[0] - c[0]) + (data[1] - c[1]) * (data[1] - c[1]) + (data[2] - c[2]) * (data[2] - c[2]) + (data[3] - c[3]) * (data[3] - c[3]); if (ta == Math.min(Math.min(ta, tb), tc)) //如果到第一类的距离最小返回1 return 1; else if (tb == Math.min(Math.min(ta, tb), tc))//如果到第二类的距离最小返回2 return 2; else if (tc == Math.min(Math.min(ta, tb), tc))//如果到第三类的距离最小返回3 return 3; return 0; } public static Vector<double[]> onestep(Vector<double[]> data, Vector<double[]> kernal) {//函数执行一次表示kmeans的一次迭代 Vector<double[]> newkernal = new Vector<>();//用于存放一次迭代后新的类的核心的各属性值 int i = 0; double[] a = kernal.get(0); //a赋值为当前第一个类的核心 double[] b = kernal.get(1); //b赋值为当前第二类的核心 double[] c = kernal.get(2); //c赋值为当前第三类的核心 double[] temp; while (i < data.size()) {//取出data中的每一个样本存放在temp中 temp = data.get(i); temp[4] = (double) choose(temp, a, b, c);//调用choose函数判断当前样本属于哪一个类 i++; } double[] suma = {0, 0, 0, 0}; int al = 0;//表示当前第一类的样本个数 double[] sumb = {0, 0, 0, 0}; int bl = 0;//当前第二类的样本个数 double[] sumc = {0, 0, 0, 0}; int cl = 0;//当前第三类的样本个数 i = 0; while (i < data.size()) { double[] t = data.get(i); if (t[4] == 1.0) { //如果当前样本属于第一类 for (int j = 0; j < 4; j++) { suma[j] = suma[j] + t[j]; } al++; //该类的样本个数加一 } else if (t[4] == 2.0) { for (int j = 0; j < 4; j++) { sumb[j] = sumb[j] + t[j]; } bl++; } else if (t[4] == 3.0) { for (int j = 0; j < 4; j++) { sumc[j] = sumc[j] + t[j]; } cl++; } i++;//指向下一个样本继续循环 } for (int j = 0; j < 4; j++) {//计算出本次迭代后的每个类的核心的坐标 suma[j] = suma[j] / al; sumb[j] = sumb[j] / bl; sumc[j] = sumc[j] / cl; } //将新的类的核心添加入到newkernal中 newkernal.add(suma); newkernal.add(sumb); newkernal.add(sumc); return newkernal;//返回本次迭代后的新的类的核心 } public static void k_means() {//k_means算法的实现 while (true) { boolean con = true; Vector<double[]> t = onestep(data, init_kernal);//将 data和当前的init_kernal传入onestep函数进行一次迭代，返回值为迭代后的类的核心 //判断本次迭代后返回的类的核心是不是和迭代之前的类的核心相同，如果不相同con被设为false，继续迭代。 for (int i = 0; i < t.size(); i++) { for (int j = 0; j < 4; j++) { if (t.get(i)[j] != init_kernal.get(i)[j]) con = false; } } if (con)//如果con为true说明本次迭代的核心和迭代之前的核心相同，说明聚类完成，退出循环 break; else init_kernal = t;//如果本次迭代返回的新的核心和迭代之前的不同，则当前核心设置为返回的新的核心，继续循环迭代 } } public static void show_category() {//打印出所有的样本的属性和所属类别 for (int i = 0; i < data.size(); i++) { System.out.print((i + 1) + " "); for (int j = 0; j < 5; j++) { System.out.print(data.get(i)[j] + " "); } System.out.println(); } } public static void main(String[] args){ Main.loadData("e:/bezdekIris.data"); pretreatment(indata);//预处理 set_kernal(data, 20, 80, 130);//设置初始核心 k_means(); show_category(); } }