k_means源码.txt

k-means是一种经典的聚类算法

import java.io.*;
public class K_Means {
	
	int Flags=0;
	int[] logo=new int[150];                  //标志位
	double center_A[]=new double[4],
	       center_B[]=new double[4],
	       center_C[]=new double[4],
	       center_1[]=new double[4],
	       center_2[]=new double[4],
	       center_3[]=new double[4];
	double train[][]=new double[150][4];     //将对象实体化
	
/***************************************************
	*读文件data0.txt中数据，保存至train[][]二维数组中
***************************************************/
		public void readtxt()throws Exception
	{
		BufferedReader br=new BufferedReader(new FileReader("data0.txt"));	
		String s;
		int i,j;
		i=0;j=0;
		while (br.ready())
		{
			s=br.readLine();//读文件中一行
			java.util.StringTokenizer tokenizer = 
				new java.util.StringTokenizer(s, ",，");
		    while (tokenizer.hasMoreTokens())
		    {
		    	train[i][j]=Double.parseDouble(tokenizer.nextToken());//将读入的字符串转化为双精度型数据		    
		        j++;
		        if(j==4){j=0;i++; };	   
		    };
		}; 
	}

/***************************************************
		*初始化中心点
***************************************************/
	public void initial()
	{
		for(int i=0;i<3;i++)//初始化簇（旧）中心，不妨以前三个为中心
			for(int j=0;j<4;j++)
			{
				if(i==0){center_A[j]=train[i][j];}
				else 
					if(i==1)
					{center_B[j]=train[i][j];}
				    else {center_C[j]=train[i][j];}
			};
		for(int j=0;j<4;j++)//初始化簇（新）中心
		{
			center_1[j]=center_2[j]=center_3[j]=0;
		};
		for(int i=0;i<train.length;i++)
	 	{
	 		logo[i]=0;//初始化标志位
	 	};
	}
	
/***************************************************
	*比较差值，确定所属类
***************************************************/	
	public  void plus()
	{
		for(int i=0;i<train.length;i++)
		{
			double a,b,c;
			a=b=c=0;
			for(int j=0;j<4;j++)
			{
				a+=Math.pow((train[i][j]-center_A[j]),2);
				b+=Math.pow((train[i][j]-center_B[j]),2);
			    c+=Math.pow((train[i][j]-center_C[j]),2);			      
			};
		    token(a,b,c,i);//标记logo[i] ，以logo=1,2,3表示所属类
		};
	}
	
/***************************************************
	*更改标志位
***************************************************/	
	public  void token(double a,double b,double c,int i)
	{	
		double temp=0;
		if(a>=b)
		{
			temp=b;
			this.logo[i]=2;
		}
		else
		{
			temp=a;
			this.logo[i]=1;
		}
	    if(temp>=c)
	    {
	    	temp=c;
	    	this.logo[i]=3;
	    };	
	}

/***************************************************
	*每聚类一次，求一次新的中心点
***************************************************/
	public void center()
	{		
		int num1,num2,num3;
	    num1=num2=num3=0;
		for(int j=0;j<4;j++)
		{
			center_1[j]=center_2[j]=center_3[j]=0;
		};
		for(int i=0;i<train.length;i++)
		{
			switch(logo[i])
			{
			case 1:
			{ 
				for(int j=0;j<4;j++){center_1[j]+=train[i][j];}
				num1++;
				break;
			}
			case 2:
			{ 
				for(int j=0;j<4;j++){center_2[j]+=train[i][j];}
				num2++;
				break;
			}
			case 3:
		    {
		    	for(int j=0;j<4;j++){center_3[j]+=train[i][j];}
		    	num3++;
			    break;
			}
			};
		};
		for(int j=0;j<4;j++)
		{
			center_1[j]=(double)(center_1[j]/(double)num1);
			center_2[j]=(double)(center_2[j]/(double)num2);
			center_3[j]=(double)(center_3[j]/(double)num3);
		};
	}

/***************************************************
	*判断聚类运算是否结束
***************************************************/
	public void compare()
	{
		double a,b,c; a=b=c=0;
		for(int j=0;j<4;j++)
		{
			a+=Math.pow((center_1[j]-center_A[j]), 2);
			b+=Math.pow((center_2[j]-center_B[j]),2);
			c+=Math.pow((center_3[j]-center_C[j]),2);			      
		};
		if((a<0.01)&&(b<0.01)&&(c<0.01))
		{
			Flags=1;
		};
	}
	
/***************************************************
	*用新的簇中心替换旧的簇中心
***************************************************/
	public void DuplicateCenter()
	{
		for(int j=0;j<4;j++)
 		{
			center_A[j]=center_1[j];
 		    center_B[j]=center_2[j];
 		    center_C[j]=center_3[j];
 		};
	}
	
/***************************************************
		*写文件到cluster_result.txt中
***************************************************/
	public void WrietTxt()throws Exception
	{
		BufferedWriter bw=new  BufferedWriter(new FileWriter("cluster_result.txt"));
	    int  i=0;	   
		while(i<train.length)
		{
			String s="";
			for(int j=0;j<4;j++)
			{				
				s+="  "+String.valueOf(train[i][j])+"  ";//获得train[][]每一行数据，转化为字符串类型
			};
			bw.write(s+String.valueOf(logo[i]));//加入标志位
			bw.newLine();
			i++;
		};
		bw.close();		
	}

	public static void main(String args[])throws Exception
	{
		K_Means app=new K_Means();//创建一个类实例
	 	
		app.readtxt();		
	 	app.initial();	
	 	
	 	app.plus();
	 	app.center();
	 	
	 	while(app.Flags==0)
	 	{	 	
	 		app.DuplicateCenter();
	 		app.plus();
	 		app.center();
	 		app.compare();
	    };
	    
	    app.WrietTxt();
	    
	    for(int i=0;i<app.train.length;i++)//显示结果－测试用
        {
	    	System.out.println(i+"----"+ app.logo[i]);
        };
	 }
}