kmeanclusteringengine.java

一个用于排队系统仿真的开源软件,有非常形象的图象仿真过程!

/**    
  * Copyright (C) 2006, Laboratorio di Valutazione delle Prestazioni - Politecnico di Milano

  * This program is free software; you can redistribute it and/or modify
  * it under the terms of the GNU General Public License as published by
  * the Free Software Foundation; either version 2 of the License, or
  * (at your option) any later version.

  * This program is distributed in the hope that it will be useful,
  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  * GNU General Public License for more details.

  * You should have received a copy of the GNU General Public License
  * along with this program; if not, write to the Free Software
  * Foundation, Inc., 51 Franklin St, Fifth Floor, Boston, MA  02110-1301  USA
  */
  
package jmt.engine.jwat.workloadAnalysis.clustering.kMean;

import java.io.IOException;
import java.text.DecimalFormat;
import java.text.NumberFormat;
import java.util.Vector;

import jmt.engine.jwat.MatrixOsservazioni;
import jmt.engine.jwat.Observation;
import jmt.engine.jwat.TimeConsumingWorker;
import jmt.engine.jwat.VariableNumber;
import jmt.gui.jwat.input.ProgressShow;
//UPDATE 2/11/2006:	- eliminazione Vector dclusArray contenente le distanze punti-centri perche' MAI utilizzato
//					+ inserimneto matrice di short delle appartenenze osservazioni ai cluster

public class KMeanClusteringEngine{
	private TimeConsumingWorker worker;
	private KMean clustering;
	private MatrixOsservazioni m;
	private Observation[] obsVal;
	private VariableNumber[] listAllVar;		//Puntatori a tutte le variabili
	private VariableNumber[] listSelVar;		//Puntatori a tutte le variabili
	private int indexSelVar[]; 
	
	private	int	numMaxClust;					//Num.massimo di cluster da considerare
	private int	numMaxIter;						//Num.massimo di iterazioni
	private int	numTotVar;						//Numero totale delle variabili
	private int	numVarSel;						//Numero totale delle variabili
	
	private boolean[] isSelectedVar;			//Marca le variabili coinvolte nel Clustering all'interno del totale delle variabili
	
	public TempClusterStatistics[][] sum;					//Contiene le statistiche dei vari cluster
	private double[] omsr;						//Rapporto totale di varianza per partizione
	
	private int[] nn;							//Usata per contenere il numero di oss.per
	
	public String	m_strKMLog;					//Log da aggiungere al session log
	//public Vector nclusArray;					//Vector contenente un vector per ogni cluster	//Array contenente il cluster attuale della variabile
	public short[][] nclust;						//Matrice contenente cluster attuale osservazione, per ogni n-clustering
	
	NumberFormat Floatformatter = new DecimalFormat("###.###E0");
	
	
	public class TempClusterStatistics
	{
		public double Coord;	//	1 coordinata
		public int    numOs;	//	2 # di osservazioni
		public double Media;	//	3 media
		public double stdDv;	//	4 std.deviation
		public double minOs;	//	5 minimum value
		public double maxOs;	//	6 maximum value
		public double Skewn;	//	7 skewness
		public double Kurto;	//	8 kurtosis
		public double Varnz;	//	9 varianza
		public double SSDev;	// 10 somma delle square deviations from centre of cluster
		
		public double Somma;	//	1 somma dei valori
		public double SumQd;	//	2 somma dei quadrati
		public double SumTz;	//	3 somma delle terze potenze
		public double SumQt;	//	4 somma delle quarte potenze
		
		public double VVdi5;	//	5
		public double VVdi6;	//	6
		public double VVdi7;	//	7
	}
	
	public KMeanClusteringEngine(KMean clustering,TimeConsumingWorker worker){
		this.worker=worker;
		this.clustering=clustering;
	}
	
	public boolean PrepClustering(MatrixOsservazioni m,
			int numeroMassimoCluster,
			int numeroMassimoIterazioni,
			int variabiliSelezionate[])
	{		
		int j=0,i = 0;
		this.m=m;
		/* Inserite per TEST */
		numMaxClust = numeroMassimoCluster;					// Num.massimo di clusters da considerare
		numMaxIter  = numeroMassimoIterazioni;				// Num. max di iterazioni
		/* Salvataggio del numero di variaibli totali */
		numTotVar	= m.getNumVariables();			//Numero totale delle variabili
		numVarSel	= variabiliSelezionate.length;			//Numero totale delle variabili

		obsVal=m.getVariables()[0].getCurObs();
		/* Inizializzazione degli array variabili normalizzate e dei puntatori alle variabili */
		listAllVar=m.getVariables();
		listSelVar=new VariableNumber[numVarSel];
		indexSelVar=variabiliSelezionate;
		/* Settaggio delle variaibli che sono coinvolte nel clustering */
		
		isSelectedVar=new boolean[numTotVar];
		sum= new TempClusterStatistics[numTotVar][numMaxClust];
		omsr=new double[numMaxClust];
		nn=new int[numMaxClust];
		
		for (i=0; i<numTotVar; i++) isSelectedVar[i]=false;

		for (i=0; i<numTotVar; i++) {
			if(variabiliSelezionate[j]==i){
				isSelectedVar[i]=true;
				listSelVar[j]=listAllVar[i];
				j++;
				if(j==numVarSel) break;
			}
		}
		InitData();
		return true;
		
	}
	
	private void InitData()
	{
		int i=0;
		/* Inizializzazione del vettore delle statistiche delle variaibli */
		for (i=0; i<numMaxClust; i++) {
			for (int j=0; j<numVarSel; j++) {
				sum[j][i]= new TempClusterStatistics();
				sum[j][i].Coord=0;
				sum[j][i].Kurto=0;
				sum[j][i].maxOs=0;
				sum[j][i].Media=listSelVar[j].getUniStats().getMinValue();
				sum[j][i].minOs=0;
				sum[j][i].numOs=0;
				sum[j][i].Skewn=0;
				sum[j][i].SSDev=0;
				sum[j][i].stdDv=0;
				sum[j][i].Varnz=0;
				
				sum[j][i].Somma = 0;
				sum[j][i].SumQd = 0;
				sum[j][i].SumTz = 0;
				sum[j][i].SumQt = 0;
				sum[j][i].VVdi5 = 0;
				sum[j][i].VVdi6 = 0;
				sum[j][i].VVdi7 = 0;
			}
			/* Inizializzazione del vettore che contiene il numero di punti per cluster */
			nn[i]=0;
			/* Azzeramento dell'array del rapporto totale di varianza per partizione */
			omsr[i]=0;
		}
	}

	public boolean DoClustering()
	{
		
		/* Indica il cluster di partenza */
		int endclust,startClust = 0;
		//nclusArray= new Vector();
		nclust = new short[numMaxClust][obsVal.length];
		/* Richiama la funzione che effettua l clustering */
		endclust=Build(startClust);
		if(endclust!=-1){
			clustering.setRatio( endclust+ 1);
			return true;
		}
		else{
			return false;
		}
	}
	
	private int Build(int startClust)
	{
		//Costruisce effettivamente i vari cluster
		//aggiorna lo stato dei calcoli sulla Status Bar
		int		km=0;
		/* creazione variaibili di utilit