Java K-均值算法

我正试图用Java编写一个k-means算法。我计算了许多数组，每个数组都包含一些系数。我需要使用k-means算法来对所有这些数据进行分组。你知道这个算法的任何实现吗

---

谢谢

在中有一个非常好的K-means集群Python实现。我极力推荐

---

我意识到您必须转换为Java，但这看起来并不太难。

我自己没有研究过代码，但中给出的多线程K-means实现看起来很有启发性。

分类、集群和分组是IR的成熟领域。有一个非常好的（Java）库/软件（开源），叫做WEKA。这里有几种聚类算法。虽然有一个学习曲线，但当你遇到更难的问题时，它可能会很有用

似乎每个发帖子的人都忘了提到事实上的图像处理库：OpenCV。您必须围绕C OpenCV代码编写一个JNI包装器才能让KMeans工作，但额外的好处是

您会知道KMeans算法经过了大量优化

OpenCV广泛使用GPU，因此运行速度非常快

---

主要的缺点是您必须编写一个JNI包装器。我曾经需要一个模板匹配例程，并面临许多备选方案，但我发现OpenCV是迄今为止最好的，尽管我被迫为它编写了一个JNI包装器。

OpenCV是我使用过的最糟糕的库之一。 另一方面，Matlab做得非常巧妙

如果你必须自己编写代码，这个算法就其效率而言非常简单

拾取簇数（k）

做k点（它们将成为质心）

随机化所有这些点的位置

计算从每个点到所有质心的欧几里德距离

将每个点的“成员资格”指定给最近的质心

通过平均属于给定簇的所有点的位置来建立新的质心

转到4，直到实现收敛，或者所做的更改无关紧要

---

实际上，KMeans是一个非常简单的算法。有什么好的理由不自己动手编码吗？我在Qt中完成了这项工作，然后将代码移植到普通的STL中，没有太多问题

我开始喜欢Joel的想法：没有外部依赖，所以请随意告诉我一个你无法控制的大型软件有什么好处，这个问题上的其他人已经提到它不是一个好的软件/

Talk很便宜，真正的男人向世界展示他们的代码：

---

我应该清理一下代码，使其更通用，并且当前版本没有移植到STL，但这只是一个开始

这是一个很老的问题，但我注意到并没有提到哪个有它的实现，包括它的用法

该项目不是很活跃，但最新版本相对较新（2012年7月）

//目标：实现Kmeans聚类算法。
//节目
导入java.util.*；
k_类的意思是
{
静态整数count1、count2、count3；
静态int d[]；
静态int k[][]；
静态int tempk[]]；
静态双m[]；
静态双差[]；
静态int n，p；
static int cal_diff（int a）//此方法将确定元素在特定步骤中所处的集群。
{
int temp1=0；
for（int i=0；im[i]）
diff[i]=a-m[i]；
其他的
diff[i]=m[i]-a；
}
int-val=0；
双温=diff[0]；
对于（inti=0；i+1-很好的发现），“PCI”仍然是推荐的，因为它除了K-means之外还有很多很棒的东西。将OpenCV用于KMeans可能有些过分，但我不知道OpenCV是如何“糟糕”编写的。它可能不像matlab那么容易使用（matlab是一种专用的、速度慢的、使用matlab中已有的大量算法来测试算法的简单方法）但是它肯定比matlab快很多，这仅仅是因为它是用C编写的。如果你没有正确地用C编写matlab，那么它的速度会很慢。如果你在matlab中编写了一个“for”循环，那么你就错了。嗨，elcuco，我自己编写了它，但我想交叉检查初始化部分。我想看看其他实现是如何分配初始CLU的我也认为使用一个你无法控制的代码不是一个好主意。我会继续挖掘，谢谢大家！谢谢。我一直在寻找一个我（老）的实用伴侣机器学习教科书已经有一段时间了。我不会将这个包用于集群。Java ML中的k-means实现速度慢得离谱。目前，OpenCV正式支持Java。因此，不需要手工编写JNI。
//Aim:To implement Kmeans clustering algorithm.
//Program
import java.util.*;
class k_means
{
static int count1,count2,count3;
static int d[];
static int k[][];
static int tempk[][];
static double m[];
static double diff[];
static int n,p;

static int cal_diff(int a) // This method will determine the cluster in which an element go at a particular step.
{
int temp1=0;
for(int i=0;i<p;++i)
{
if(a>m[i])
diff[i]=a-m[i];
else
diff[i]=m[i]-a;
}
int val=0;
double temp=diff[0];
for(int i=0;i<p;++i)
{
if(diff[i]<temp)
{
temp=diff[i];
val=i;
}
}//end of for loop
return val;
}

static void cal_mean() // This method will determine intermediate mean values
{
for(int i=0;i<p;++i)
m[i]=0; // initializing means to 0
int cnt=0;
for(int i=0;i<p;++i)
{
cnt=0;
for(int j=0;j<n-1;++j)
{
if(k[i][j]!=-1)
{
m[i]+=k[i][j];
++cnt;
}}
m[i]=m[i]/cnt;
}
}

static int check1() // This checks if previous k ie. tempk and current k are same.Used as terminating case.
{
for(int i=0;i<p;++i)
for(int j=0;j<n;++j)
if(tempk[i][j]!=k[i][j])
{
return 0;
}
return 1;
}

public static void main(String args[])
{
Scanner scr=new Scanner(System.in);
/* Accepting number of elements */
System.out.println("Enter the number of elements ");
n=scr.nextInt();
d=new int[n];
/* Accepting elements */
System.out.println("Enter "+n+" elements: ");
for(int i=0;i<n;++i)
d[i]=scr.nextInt();
/* Accepting num of clusters */
System.out.println("Enter the number of clusters: ");
p=scr.nextInt();
/* Initialising arrays */
k=new int[p][n];
tempk=new int[p][n];
m=new double[p];
diff=new double[p];
/* Initializing m */
for(int i=0;i<p;++i)
m[i]=d[i];

int temp=0;
int flag=0;
do
{
for(int i=0;i<p;++i)
for(int j=0;j<n;++j)
{
k[i][j]=-1;
}
for(int i=0;i<n;++i) // for loop will cal cal_diff(int) for every element.
{
temp=cal_diff(d[i]);
if(temp==0)
k[temp][count1++]=d[i];
else
if(temp==1)
k[temp][count2++]=d[i];
else
if(temp==2)
k[temp][count3++]=d[i]; 
}
cal_mean(); // call to method which will calculate mean at this step.
flag=check1(); // check if terminating condition is satisfied.
if(flag!=1)
/*Take backup of k in tempk so that you can check for equivalence in next step*/
for(int i=0;i<p;++i)
for(int j=0;j<n;++j)
tempk[i][j]=k[i][j];

System.out.println("\n\nAt this step");
System.out.println("\nValue of clusters");
for(int i=0;i<p;++i)
{
System.out.print("K"+(i+1)+"{ ");
for(int j=0;k[i][j]!=-1 && j<n-1;++j)
System.out.print(k[i][j]+" ");
System.out.println("}");
}//end of for loop
System.out.println("\nValue of m ");
for(int i=0;i<p;++i)
System.out.print("m"+(i+1)+"="+m[i]+"  ");

count1=0;count2=0;count3=0;
}
while(flag==0);

System.out.println("\n\n\nThe Final Clusters By Kmeans are as follows: ");
for(int i=0;i<p;++i)
{
System.out.print("K"+(i+1)+"{ ");
for(int j=0;k[i][j]!=-1 && j<n-1;++j)
System.out.print(k[i][j]+" ");
System.out.println("}");
}
}
}
/*
Enter the number of elements
8
Enter 8 elements:
2 3 6 8 12 15 18 22
Enter the number of clusters:
3

At this step
Value of clusters
K1{ 2 }
K2{ 3 }
K3{ 6 8 12 15 18 22 }
Value of m
m1=2.0  m2=3.0  m3=13.5

At this step
Value of clusters
K1{ 2 }
K2{ 3 6 8 }
K3{ 12 15 18 22 }
Value of m
m1=2.0  m2=5.666666666666667  m3=16.75

At this step
Value of clusters
K1{ 2 3 }
K2{ 6 8 }
K3{ 12 15 18 22 }
Value of m
m1=2.5  m2=7.0  m3=16.75

At this step
Value of clusters
K1{ 2 3 }
K2{ 6 8 }
K3{ 12 15 18 22 }
Value of m
m1=2.5  m2=7.0  m3=16.75

The Final Clusters By Kmeans are as follows:
K1{ 2 3 }
K2{ 6 8 }
K3{ 12 15 18 22 } */