k-means聚类算法的java实现描述.docVIP

k-means聚类算法的java实现描述 2008年04月09日 星期三 14:02 1. 什么是 k-means 聚类算法？ ??? 从网上找到了很多定义，这里选取比较典型的几个； ??? K-Mean 分群法是一种分割式分群方法，其主要目标是要在大量高纬的资料点中找出 ???????具有代表性的资料点；这些资料点可以称为群中心，代表点；然后再根据这些 ????????群中心，进行后续的处理，这些处理可以包含 ???? 1 ）资料压缩：以少数的资料点来代表大量的资料，达到资料压缩的功能； ???? 2 ）资料分类：以少数代表点来代表特点类别的资料，可以降低资料量及计算量； ?? ???????分割式分群法的目的是希望尽量减小每个群聚中，每一点与群中心的距离平方差（square error）。?? 假设我们现在有一组包含c个群聚的数据，其中第 k 个群聚可以用集合 Gk来表示，假设 Gk包含nk笔 资料 {x1, x2, …, xnk），此群聚中心为yk，则该群聚的平方差 ek可以定义为： ?????????????ek = S i |xi-yk|2 ，其中 xi是属于第 k 群的资料点。 而这c个群聚的总和平方差E便是每个群聚的平方差总和： E = S k=1~c ek 我们分群的方法，就变成是一个最佳化的问题，换句话说，我们要如何选取 c 个群聚以及相关的群中心， 使得 E 的值为最小。 2 ．处理流程 （ 1 ） ??从 c 个数据对象任意选择 k 个对象作为初始聚类中心； （ 2 ） ??循环（ 3 ）到（ 4 ）直到每个聚类不再发生变化为止； （ 3 ） ??根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分； （ 4 ） ??重新计算每个（有变化）聚类的均值（中心对象） 3. java 算法的实现说明 1) 假设给点一组 c 点资料 X = {x1, ..., xc} ，每一点都有 d 维；给定一个群聚的数目 k, 求其 ?????最好的聚类结果。 ??? 2 ） BasicKMeans.java 主类 ????????? int coordCount = 250;// 原始的资料个树 ????????? int dimensions = 100;// 每个资料的纬度数目 ????????? double[][] coordinates = new double[coordCount][dimensions]; ??? 这里假设 c 点资料为 coordinates 对象，其中 c 为 coordCount,d 为 dimensions 相应值。 ????????? int mk = 30; // 想要群聚的数目 ???? 根据群聚数目定义 mk 个群聚类对象 ??????? mProtoClusters = new ProtoCluster[mK];// 见 ProtoCluster 类说明 ???? // 首先随机选取 mk 个原始资料点作为群聚类 ?????? mProtoClusters[i]= new ProtoCluster (coordinates[j] );//i 依此为 0 到 mk 的值； j 为 0 到 coordCount 的值 ??? 定义一个变量用于记录和跟踪每个资料点属于哪个群聚类 ????? mClusterAssignments = new int[coordCount]; ????? mClusterAssignments[j]=i;// 表示第 j 个资料点对象属于第 i 个群聚类 ???? // 开始循环 ???? // 依次调用计算每个群聚类的均值 ???? mProtoClusters[i].updateCenter(mCoordinates);// 计算第 i 个聚类对象的均值 ???? // 依次计算每个资料点到中心点的距离，然后根据最小值划分到相应的群集类中； ??? 采用距离平方差来表示资料点到中心点的距离； ???? //定义一个变量，来表示资料点到中心点的距离 ???? mDistanceCache = new double[coordCount ][mk]; ????? //其中mDistanceCache[i][j]表示第i个资料点到第j个群聚对象中心点的距离； ????? //距离算法描述(): ?????? a)依次取出每个资料点对象double[] coord = coordinates[i]; ????????? b)再依次取出每个群聚类中的中心点对象double[] center = mProtoClusters[j].mCenter; ????????? c)计算coo