KMeans算法的Java实现

package com.coshaho.learn.kmeans;

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

public class KMeans
{
//聚类的数目
final static int ClassCount = 3;
//样本数目（测试集）
final static int InstanceNumber = 150;
//样本属性数目（测试）
final static int FieldCount = 5;

//设置异常点阈值参数（每一类初始的最小数目为InstanceNumber/ClassCount^t）
final static double t = 2.0;

//存放数据的矩阵
private float[][] data;
//每个类的均值中心
private float[][] classData;
//噪声集合索引
private ArrayList<Integer> noises;
//存放每次变换结果的矩阵
private ArrayList<ArrayList<Integer>> result;

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

public void readData(String TrainDataFile)
{
FileReader fr = null;
BufferedReader br = null;
try
{
fr = new FileReader(TrainDataFile);
br = new BufferedReader(fr);
//存放数据的临时变量
String lineData = null;
String[] splitData = null;
int line = 0;
while( br.ready())
{
lineData = br.readLine();
System.out.println(lineData);
splitData = lineData.split(",");
for(int i = 0 ; i < splitData.length ;i++)
{
data[line][i] = Float.parseFloat(splitData[i]);
}
line++;
}
}
catch(Exception e)
{
e.printStackTrace();
}
finally
{
if(null != br)
{
try
{
br.close();
}
catch (IOException e)
{
e.printStackTrace();
}
}
if(null != fr)
{
try
{
fr.close();
}
catch (IOException e)
{
e.printStackTrace();
}
}
}
}

public void cluster()
{
//数据归一化
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();

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));
}
}
}

Adjust();
}

/**
* 数据归一化
* @author coshaho
*/
private void normalize()
{
// 计算数据每个维度最大值max
float[] max = new float[FieldCount];
for(int i = 0;i < InstanceNumber;i++)
{
for(int j = 0;j < FieldCount;j++)
{
if(data[i][j] > max[j])
{
max[j] = data[i][j];
}
}
}

// 每个维度归一化值=原始值/max
for(int i = 0;i < InstanceNumber;i++)
{
for(int j = 0;j < FieldCount;j++)
{
data[i][j] = data[i][j]/max[j];
}
}
}

/**
* 寻找初始聚类中心
* @author coshaho
*/
private void findInitials()
{
int i, j, a, b;
i = j = a = b = 0;
float maxDis = 0;
int alreadyCls = 2;

// 选取距离最远的两个点a,b作为聚类中心点
ArrayList<Integer> initials = new ArrayList<Integer>();
for (; i < InstanceNumber; i++)
{
// 噪声点不参与计算
if (noises.contains(i))
{
continue;
}
j = i + 1;
for (; j < InstanceNumber; j++)
{
// 噪声点不参与计算
if (noises.contains(j))
{
continue;
}
float newDis = calDis(data[i], data[j]);
if (maxDis < newDis)
{
a = i;
b = j;
maxDis = newDis;
}
}
}

// initials添加初始聚类中心点序号a,b
initials.add(a);
initials.add(b);

// classData添加聚类中心点data[a],data[b]
classData[0] = data[a];
classData[1] = data[b];

// 新增两个聚类，并添加聚类成员
ArrayList<Integer> resultOne = new ArrayList<Integer>();
ArrayList<Integer> resultTwo = new ArrayList<Integer>();
resultOne.add(a);
resultTwo.add(b);
result.add(resultOne);
result.add(resultTwo);

// 1、计算剩下每个点x与其他点的最小距离l，并记录Map<x,l>
// 2、选取Map<x,l>中的最大l，并以对应的点x作为新的聚类中心
while (alreadyCls < ClassCount)
{
i = j = 0;
float maxMin = 0;
int newClass = -1;

for (; i < InstanceNumber; i++)
{
float min = 0;
float newMin = 0;
if (initials.contains(i))
{
continue;
}
if (noises.contains(i))
{
continue;
}
for (j = 0; j < alreadyCls; j++)
{
newMin = calDis(data[i], classData[j]);
if (min == 0 || newMin < min)
{
min = newMin;
}
}
if (min > maxMin)
{
maxMin = min;
newClass = i;
}
}

// initials添加新的聚类中心点序号newClass
initials.add(newClass);

// classData添加新的聚类中心点data[newClass]
classData[alreadyCls++] = data[newClass];

// 新增一个聚类，并添加成员
ArrayList<Integer> rslt = new ArrayList<Integer>();
rslt.add(newClass);
result.add(rslt);
}
}

/**
* 首次聚类分配
* 点x到哪个聚类中心点最近，则划分到哪个聚类
* @author coshaho
*/
public void firstClassify()
{
for (int i = 0; i < InstanceNumber; i++)
{
float min = 0f;
int clsId = -1;
for (int j = 0; j < classData.length; j++)
{
// 欧式距离
float newMin = calDis(classData[j], data[i]);
if (clsId == -1 || newMin < min)
{
clsId = j;
min = newMin;
}
}

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
float[] newMean = new float[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++)
{
float min = 0f;
int clsId = -1;
for (int j = 0; j < classData.length; j++)
{
float newMin = calDis(classData[j], data[i]);
if (clsId == -1 || newMin < min)
{
clsId = j;
min = newMin;
}
}
data[i][FieldCount] = clsId;
result.get(clsId).add(i);
}
}
}

/**
* 计算a样本和b样本的欧式距离作为不相似度
*
* @param a 样本a
* @param b 样本b
* @return 欧式距离长度
*/
private float calDis(float[] aVector, float[] 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 (float) dis;
}

/**
* 判断两个均值向量是否相等
*
* @param a 向量a
* @param b 向量b
* @return
*/
private boolean compareMean(float[] a, float[] 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
*/
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();
}
}
}
}
}