拜访【WRITE-BUG 数字空间】_[内附残缺源码和文档]
基于欧式间隔的聚类算法,其认为两个指标的间隔越近,类似度越大。该试验产生的点为二维空间中的点。
环境配置
java 环境,应用原生的 Java UI 组件 JPanel 和 JFrame
算法原理
基于欧式间隔的聚类算法,其认为两个指标的间隔越近,类似度越大。
该试验产生的点为二维空间中的点。
欧式间隔
n 维空间中的两个点 X,Y
$dist(X, Y) = \sqrt{\sum_{i = 1}^{n} (x_{i} – y_{i})^{2}}$
算法过程
抉择 k,聚类的数量。
抉择 k 个点作为聚类核心。
对每个样本点计算到 k 个聚类核心的间隔,采纳的是欧氏间隔,将其分类到间隔最近的类别中。
依据每个类别,计算被分类在该类别中的所有点的核心。
如果计算出来的核心和聚类核心雷同,则退出循环,否则以新的计算出来的核心为每个聚类的聚类核心,一直反复 3 – 4 步。
外围代码
设定 K
/Step 按钮的监听器/
jButton2.addActionListener(new ActionListener() {
public void actionPerformed(ActionEvent ae) {painting.assign();
painting.updateCentroids();
/* 算法终止的话让按钮变灰并提醒算法完结 */
if (painting.stop(num++)) {jButton2.setText("End");
jButton2.setEnabled(false);
}
painting.repaint();}
});
计算欧式间隔
/ 欧式间隔/
double Euc(Point p1, Point p2) {
double distance = 0.0;
for (int i = 0; i < Dimension; ++i)
distance += (p1.x[i] - p2.x[i]) * (p1.x[i] - p2.x[i]);
return Math.sqrt(distance);
}
更新中心点
/ 更新中心点/
void updateCentroid(int clusterNum) {
// 将 newCluster 数组的那个中心点置空
for (int i = 0; i < Dimension; ++i)
newCluster[clusterNum].x[i] = 0;
int clusterSize = 0;
for (int i = 0; i < Nodes; ++i)
if (p[i].cluster == clusterNum) {
// 这个簇中有多少点
clusterSize++;
for (int j = 0; j < Dimension; ++j)
newCluster[clusterNum].x[j] += p[i].x[j];
}
if (clusterSize == 0)
return;
for (int i = 0; i < Dimension; ++i)
newCluster[clusterNum].x[i] /= (double) clusterSize;
}
计算每个点的分类
/ 调配数据点到哪个簇/
void assignPoint(int x) {
double minDistance = 99999999;
int nodeClassify = 1;
for (int i = 0; i < K; ++i) {
// 计算欧式间隔
double newDistance = Euc(p[x], newCluster[i]);
if (newDistance < minDistance) {
minDistance = newDistance;
nodeClassify = i;
}
}
p[x].cluster = nodeClassify;
}
判断终止条件
/ 判断算法是否终止/
Boolean stop(int currentTime) {
// 超过迭代次数
if (currentTime > range) {
int num = 1;
System.out.println("超过迭代次数");
for (Point i : oldCluster) {System.out.println("中心点" + num + "坐标:(" + i.x[0] + "," + i.x[1] + ")");
num++;
}
return true;
}
/* 如果每一个中心点都与上一次的中心点雷同,则算法终止,否则更新 oldCentroid*/
for (int i = 0; i < K; ++i)
if (!samePoint(oldCluster[i], newCluster[i])) {for (int j = 0; j < K; ++j)
copy(oldCluster[j], newCluster[j]);
return false;
}
int num = 1;
System.out.println("迭代实现");
for (Point i : oldCluster) {System.out.println("中心点" + num + "坐标:(" + i.x[0] + "," + i.x[1] + ")");
num++;
}
return true;
}