网站策划哪里找,郑州做网站推广电,域名备案信息查询系统,域名信息备案管理系统官网简介#xff1a;本Demo是参照这个网站上的Demo自己用Java实现的。将Java打包为Jar#xff0c;再将Jar转为exe#xff0c;源代码及程序Demo下载请点我。 K-Means算法简介 我尽量用通俗易懂但不规范的语言来描述K-Means算法。 K-Means算法是数据挖掘十大算法之一#xff0c;是… 简介本Demo是参照这个网站上的Demo自己用Java实现的。将Java打包为Jar再将Jar转为exe源代码及程序Demo下载请点我。 K-Means算法简介 我尽量用通俗易懂但不规范的语言来描述K-Means算法。 K-Means算法是数据挖掘十大算法之一是一种聚类算法也是最简单的无监督学习unsupervised learning算法之一。 假设有一个元素集合我们的目标是将该集合中的元素划分成K个簇就是K个部分每个簇内的元素相似度较高不同簇的元素相似度较低正所谓物以类聚人以群分。 而K-Means算法就是实现这样一个目标的算法。 先看Demo会有直观的了解。 K-Means算法步骤 因为要做可视化界面所以我们现在只讨论二维的情况即每个元素用2个数表示。 假如我们的元素集合是平面上的N个点计算相似度用的是两点之间的欧氏距离当然也可以使用其他距离公式相关距离公式见下部分两点距离越短则表示相似度越高。那么算法步骤大概是这个样子 Step 1. 随机产生K个点作为K个簇的中心注意KN Step 2. 对N个点中的每一个点计算该点离哪个中心最近离哪个中心最近就属于哪个簇。 Step 3. 更新每个簇的中心取簇中的元素的坐标的均值 Step 4. 重复Step2和Step3直到所有簇的中心不再改变。 Java实现代码带图形界面 import java.awt.*;
import java.awt.event.*;
import javax.swing.*;
import javax.swing.JFrame;
import javax.swing.JPanel;
import java.util.Random;
import java.applet.*;class PaintovalPane extends JPanel
{/*K-Means*/int K 5; //K个中心int N 50; //N个点int D 2; //二维元素
Random rand new Random();class Point{ Point(){initial();}void initial(){/*初始化为[0,600)的随机点簇编号为-1无意义*/for (int i 0; i D; i)x[i] rand.nextDouble()*600;clusterNum -1;}double x[] new double[D]; //坐标int clusterNum; //簇编号};Point p[]; //数据点Point centroid[]; //中心点Point oldCentroid[]; //上一次的中心点用于确定中心点是否不再改变Color colors[]; //表示不同簇的颜色值/*欧式距离*/double Euclidean(Point p1, Point p2){double dis 0;for (int i 0; i D; i)dis (p1.x[i]-p2.x[i])*(p1.x[i]-p2.x[i]);return Math.sqrt(dis);}/*更新中心点*/void updateCentroid(int clusterNum){ for (int i 0; i D; i)centroid[clusterNum].x[i] 0;int clusterSize 0;for (int i 0; i N; i)if (p[i].clusterNum clusterNum){clusterSize;for (int j 0; j D; j)centroid[clusterNum].x[j] p[i].x[j];}if (clusterSize 0)return;for (int i 0; i D; i)centroid[clusterNum].x[i] / (double)clusterSize;}/*更新中心点的接口函数*/void updateCentroids(){for (int i 0; i K; i)updateCentroid(i);}/*分配数据点到哪个簇*/void assignPoint(int x){double minDis 99999999;int minIndex 1;for (int i 0; i K; i){double curDis Euclidean(p[x], centroid[i]);if (curDis minDis){minDis curDis;minIndex i;}}p[x].clusterNum minIndex;}/*分配数据点到哪个簇的接口函数*/void assign(){for (int i 0; i N; i)assignPoint(i);}/*判断2点是否同一个点*/Boolean samePoint(Point p1, Point p2){if (p1.clusterNum ! p2.clusterNum)return false;for (int i 0; i D; i)if (p1.x[i] ! p2.x[i])return false;return true;}/*判断算法是否终止*/Boolean stop(){/*如果每一个中心点都与上一次的中心点相同则算法终止否则更新oldCentroid*/for (int i 0; i K; i)if (!samePoint(oldCentroid[i], centroid[i])) {for (int j 0; j K; j)copy(oldCentroid[j],centroid[j]);return false;}return true;}/*令p1 p2*/void copy(Point p1, Point p2){p1.clusterNum p2.clusterNum;for (int i 0; i D; i)p1.x[i] p2.x[i];}/*初始化*/void init(){/*分配内存*/p new Point[N]; centroid new Point[K];oldCentroid new Point[K];colors new Color[K];for (int i 0; i N; i){p[i] new Point();p[i].initial();}for (int i 0; i K; i){centroid[i] new Point();oldCentroid[i] new Point();centroid[i].initial();oldCentroid[i].initial();copy(oldCentroid[i],centroid[i]);colors[i] new Color(rand.nextInt(255), rand.nextInt(255), rand.nextInt(255));}}/*默认构造函数调用初始化函数*/PaintovalPane(){init();}/*重载绘图函数*/public void paintComponent(Graphics g){super.paintComponent(g);setBackground(Color.white);/*画数据点圆形根据簇编号来确定颜色*/for (int i 0; i N; i){int x (int)p[i].x[0], y (int)p[i].x[1];if (p[i].clusterNum -1)g.setColor(Color.black);elseg.setColor(colors[p[i].clusterNum]);g.fillOval(x, y, 15, 15);}/*画中心点矩形根据簇编号来确定颜色*/for (int i 0; i K; i) {int x (int)centroid[i].x[0], y (int)centroid[i].x[1];g.setColor(colors[i]);g.fillRect(x, y, 15, 15);}}
}class Drawing extends JFrame
{/*声明一系列组件*/JButton jButton1 new JButton(Start);JButton jButton2 new JButton(Step);JButton jButton3 new JButton(Run);JLabel label1 new JLabel(Points);JLabel label2 new JLabel(Clusters);JTextField textField1 new JTextField(This is buffer for text, 15);JTextField textField2 new JTextField(This is buffer for text, 15);JPanel jPanel new JPanel();PaintovalPane paint new PaintovalPane();Drawing(){setTitle(K-Means);setVisible(true);setDefaultCloseOperation(EXIT_ON_CLOSE);setSize (660,710);textField1.setText(String.valueOf(paint.N));textField2.setText(String.valueOf(paint.K));/*Start按钮的监听器*/jButton1.addActionListener(new ActionListener(){public void actionPerformed(ActionEvent ae) {int input1 Integer.parseInt(textField1.getText());int input2 Integer.parseInt(textField2.getText());/*判断输入是否合法*/if (input1 500 || input1 0){JOptionPane.showMessageDialog(null, Please input the number between 1-500);}else if (input2 input1 || input2 0){JOptionPane.showMessageDialog(null, Please input the number between 1-Points);}else{paint.N input1;paint.K input2;paint.init();paint.repaint();jButton2.setText(Step);jButton2.setEnabled(true);jButton3.setText(Run);jButton3.setEnabled(true);}}});/*Step按钮的监听器*/jButton2.addActionListener(new ActionListener(){public void actionPerformed(ActionEvent ae) {paint.assign();paint.updateCentroids();/*算法终止的话让按钮变灰并提示算法结束*/if (paint.stop()){jButton2.setText(End);jButton2.setEnabled(false);jButton3.setText(End);jButton3.setEnabled(false);}paint.repaint();}});/*Run按钮的监听器*/jButton3.addActionListener(new ActionListener(){public void actionPerformed(ActionEvent ae) {do{paint.assign();paint.updateCentroids();paint.repaint();}while(!paint.stop());/*算法终止的话让按钮变灰并提示算法结束*/jButton2.setText(End);jButton2.setEnabled(false);jButton3.setText(End);jButton3.setEnabled(false);}});jPanel.add(label1);jPanel.add(textField1);jPanel.add(label2);jPanel.add(textField2);jPanel.add(jButton1);jPanel.add(jButton2);jPanel.add(jButton3);jPanel.setBackground(new Color(1,255,1));add(BorderLayout.NORTH,jPanel);add(BorderLayout.CENTER, paint);}
}public class Hello extends Applet
{public static void main(String args[]){Drawing d new Drawing();}
} View Code C实现代码 #include iostream
#include cmath
#include ctime
#include cstdlib
using namespace std;#define K 10 //簇数
#define N 200 //点数
#define D 2 //维数/*产生0-100的随机数*/
double random()
{ return 100*(double)rand()/(double)RAND_MAX;
} class Point
{public:Point(){for (int i 0; i D; i)x[i] random();clusterNum -1;}double x[D]; //坐标int clusterNum; //所属簇的编号
};Point p[N];
Point centroid[K];
Point oldCentroid[K];/*欧式距离*/
double Euclidean(Point p1, Point p2)
{double dis 0;for (int i 0; i D; i)dis (p1.x[i]-p2.x[i])*(p1.x[i]-p2.x[i]);return sqrt(dis);
}/*重新计算编号为clusterNum的簇的重心*/
void updateCentroid(int clusterNum)
{ for (int i 0; i D; i)centroid[clusterNum].x[i] 0;int clusterSize 0;for (int i 0; i N; i)if (p[i].clusterNum clusterNum){clusterSize;for (int j 0; j D; j)centroid[clusterNum].x[j] p[i].x[j];}if (clusterSize 0)return;for (int i 0; i D; i)centroid[clusterNum].x[i] / (double)clusterSize;
}void updateCentroids()
{for (int i 0; i K; i)updateCentroid(i);
}
/*计算某点属于哪一簇*/
void assignPoint(Point point)
{double minDis INT_MAX;int minIndex 1;for (int i 0; i K; i){double curDis Euclidean(point, centroid[i]);if (curDis minDis)minDis curDis, minIndex i;}point.clusterNum minIndex;
}void assign()
{for (int i 0; i N; i)assignPoint(p[i]);
}
/*比较是否相同的两个点注意double的比较有时候可能出现问题*/
bool samePoint(Point p1, Point p2)
{if (p1.clusterNum ! p2.clusterNum)return false;for (int i 0; i D; i)if (p1.x[i] ! p2.x[i])return false;return true;
}/*判断重心是否不变若重心不再变化算法终止*/
bool stop()
{for (int i 0; i K; i)if (!samePoint(oldCentroid[i], centroid[i])) //若算法未停止则更新oldCentroid {for (int j 0; j K; j)oldCentroid[j] centroid[j];return false;}return true;
}void init()
{srand(time(0));/*如果类内成员是基本类型则默认的operator可以完成简单的赋值功能*/for (int i 0; i K; i)oldCentroid[i] centroid[i];
}int main()
{init();do{assign();updateCentroids();}while(!stop());
} View Code ps.一点收获C中自定义类提供的默认operator是可以完成基本数据类型的赋值的但是Java的operator并不是简单赋值而是左边的类变成右边的类引用。 程序效果 按下Start 按下Step 按下Run 将Java程序转为exe 为了能够让Java程序到处跑不是每个电脑都装有Java虚拟机的决定将Java程序转为exe。 步骤如下 1、将.java编译为.class 进入cmdcd切换到.java文件目录下执行javac Hello.java产生Hello.class 2、将相关的.class打包为一个.jar文件 继续在当前目录下执行jar cvf Hello.jar *.class产生Hello.jar 注意此时Hello.jar是不能直接执行的因为缺少入口函数。我们用360压缩打开Hello.jar可以看到有一个META-INF文件夹里面有一个MANIFEST.MF文件用笔记本打开在最后面添加Main-Class: Hello。注意1Hello是我自己的入口函数所在的类注意2Main-Class:后面有空格。这个时候.jar文件应该可以用java虚拟机执行了。 3、利用软件j2ewiz.exe or click me 将.jar文件转为.exe 距离公式 1Minkowski Distance闵可夫斯基距离——λ可取任意值可以是负数也可以是正数或是无穷大。 2Euclidean Distance欧氏距离——也就是第一个公式λ2的情况高中学过的最基本的平面上两点的距离公式。 3CityBlock Distance曼哈顿距离——也就是第一个公式λ1的情况。 如下图绿色代表欧氏距离也就是直线距离而红色、蓝色和黄色代表等价的曼哈顿距离。 参考资料 算法杂货铺——k均值聚类(K-means) K-Means算法Demo 曼哈顿距离 斯坦福公开课 java如何打JAR包 转载于:https://www.cnblogs.com/chenyg32/p/3793207.html
