Java 如何使用smile库'；s-CLARANS法

我希望使用自定义距离矩阵而不是内置算法（即欧几里德算法）对数据进行聚类。而且似乎没有明确的方法来做到这一点

我已经尝试将我的一些代码添加到微笑项目的演示中。我也尝试在我的项目中进行测试，下面是一段代码：

        StringBuilder sb = new StringBuilder();
        String line;
        while ((line = vrpJsonFromFile.readLine()) != null) {
            sb.append(line).append("\n");
        }
        JSONArray jsonArray = new JSONObject(sb.toString()).getJSONArray("services");
        Double[][] data = new Double[jsonArray.length()][2];
        for (int i = 0; i < jsonArray.length(); i++) {
            JSONObject address = jsonArray.getJSONObject(i).getJSONObject("address");
            data[i][0] = Double.parseDouble(address.getString("lon"));
            data[i][1] = Double.parseDouble(address.getString("lat"));
        }

        // here
        Distance<Double[]> distance1 = (x, y) -> Math.sqrt(Math.pow(y[1]-x[1],2) + Math.pow(y[0]-x[0], 2));
        CLARANS<Double[]> clarans = new CLARANS<>(data, distance1, 3);
        System.out.println(clarans);

StringBuilder sb=新建StringBuilder（）；
弦线；
而（（line=vrpJsonFromFile.readLine（））！=null）{
sb.append（行）。append（“\n”）；
}
JSONArray JSONArray=新的JSONObject（sb.toString（））.getJSONArray（“服务”）；
Double[]data=newdouble[jsonArray.length（）][2]；
for（int i=0；iMath.sqrt（Math.pow（y[1]-x[1,2）+Math.pow（y[0]-x[0,2））；
CLARANS CLARANS=新CLARANS（数据，距离1,3）；
系统输出打印（clarans）；

这段代码使用欧几里德算法创建了一个CLARANS聚类（请参见//here注释下面的一行）。我应该用我自己的距离矩阵来改变它，我希望有一种方法可以在微笑中做到这一点。

你可以使用

Distance<Integer> d = (i,j) -> matrix[i][j];

距离d=（i，j）->矩阵[i][j]； 对对象编号进行聚类，而不是对其向量进行聚类

但是值得一看的是ELKI，它为距离矩阵提供了预定义的类，并为对象集使用了优化表示，而不是像上面的lambda那样使用昂贵的盒装

整数。由于
i
和
j
是装箱整数，因此每次距离计算都需要额外的内存间接寻址（和缓存未命中），这会大大降低性能。它还有更好的FastCLARANS算法，以及据说快了O（k）倍的FastPAM