Java elki中具有稀疏向量的k均值

当我使用密集向量数据尝试此方法时，它可以正确运行，但使用稀疏向量数据会抛出

java.lang.ArrayIndexOutOfBoundsException

。我可以使用什么数据源正确读取稀疏向量数据

public void runKmeans(double[][] data) {
ArrayAdapterDatabaseConnection dataArray = new ArrayAdapterDatabaseConnection(data);

ListParameterization params = new ListParameterization();
params.addParameter(AbstractDatabase.Parameterizer.DATABASE_CONNECTION_ID, dataArray);

Database db = ClassGenericsUtil.parameterizeOrAbort(StaticArrayDatabase.class, params);
db.initialize();


// Parameterization
//params = new ListParameterization();
params = new ListParameterization();
params.addParameter(KMeans.K_ID, k);
params.addParameter(KMeans.SEED_ID, 0);


// setup Algorithm
KMeansOutlierDetection<DoubleVector> kmeansAlg = ClassGenericsUtil.parameterizeOrAbort(KMeansOutlierDetection.class, params);
//testParameterizationOk(params);

// run KMEANS on database
OutlierResult result = kmeansAlg.run(db);
...

public void runKmeans（双[][]数据）{
ArrayAdapterDatabaseConnection dataArray=新的ArrayAdapterDatabaseConnection（数据）；
ListParameterization params=新建ListParameterization（）；
addParameter（AbstractDatabase.Parameterizer.DATABASE_CONNECTION_ID，dataArray）；
数据库db=ClassGenericsUtil.parameterioRabort（StaticArrayDatabase.class，params）；
db.initialize（）；
//参数化
//params=新的ListParameterization（）；
params=新的ListParameterization（）；
参数addParameter（KMeans.K_ID，K）；
params.addParameter（KMeans.SEED_ID，0）；
//设置算法
KMeansOutlierDetection kmeansAlg=ClassGenericsUtil.ParametereoRaPort（KMeansOutlierDetection.class，params）；
//testParameterizationOk（参数）；
//在数据库上运行KMEANS
OutlierResult结果=kmeansAlg.run（db）；
...

该类只能用于密集向量。您必须提供一个正方形

双[][]

数组

您可以使用

FileBasedDatabaseConnection

和

ArffParser

读取稀疏数据。也可以实现自己的方法，它只是一个方法，

loadData（）

是密集数据类型。是稀疏向量类型。为此，

DoubleVector

使用密集的

double[]

数组进行备份，而

SparseDoubleVector

使用具有非零维度的

int[]

加上仅具有非零值的

double[]

---

K-均值需要一个固定的维度来分配均值向量（这些向量总是密集的），因此请确保提供具有最大维度的

VectorFieldTypeInformation

。有一个类型转换过滤器，它只需扫描数据集一次，并相应地设置维度。

如果我没有弄错的话，

ArrayAdapterDatabaseConnection

仅支持密集数据。

DoubleVector

也是一个密集数据集ype.有没有可能你误解了

数据的格式

？除此之外，K-means对稀疏数据没有意义。无论你想做什么，它都是错误的算法。我首先使用ArrayList读取，所以，我使用了toArray方法来填充它。我尝试使用kmeans，因为当我使用Elki的Gui时，kmeans可以运行我的解析arff格式的数据。为什么通过Elki的Gui可以运行Kmeans，但是通过代码cannotOf当然你可以编写代码，但是这些类不能这样做。A

double[]

是一种密集格式。您可以构建自己的数据源，或使用Arff数据源，或，或，或，或，…但最终，k-means从理论角度假设密集数据。为了解释为什么k-means对稀疏数据没有意义：k-means使用平均值。它也假设固定维度d。平均不同长度的稀疏向量gth消除了对该算法的所有良好数学支持。