这里的程序稍微有点变形。
k_means方法返回K-means聚类的若干中心点。
代码:

import java.util.ArrayList;
import java.util.Collections; public class Prophet_kmeans {
private static final int MAXK = 100; private static int n = 0;
private static int K = 0; private static ArrayList<Double> k_means(ArrayList<Double> list) {
n = list.size();
K = MAXK;
if(K > n/4) K = n/2;
if(K == 0) K = n;
Collections.sort(list);
double[] point = new double[n];
int id = 0;
double minn = list.get(0), maxx = list.get(0);
for(double number : list) {
if(number < minn) minn = number;
if(number > maxx) maxx = number;
point[id++] = number;
}
double[] center = new double[K];
double delta = (maxx-minn) / K;
double p =minn + delta / 2;
for(int i=0;i<K;i++) {
center[i] = p;
p += delta;
}
int[] belong = new int[n];
for(int i=0;i<n;i++) belong[i] = 0;
double[] x_total = new double[K];
int[] x_cnt = new int[K];
for(int T=0;T<10;T++) { // T代表k means聚类迭代的次数
for(int i=0;i<n;i++) {
double min_dist = Math.abs(point[i] - center[belong[i]]);
for(int k=0;k<K;k++) {
double tmp_dist = Math.abs(point[i] - center[k]);
if(tmp_dist < min_dist) {
min_dist = tmp_dist;
belong[i] = k;
}
}
}
for(int i=0;i<K;i++) {
x_total[i] = 0;
x_cnt[i] = 0;
}
for(int i=0;i<n;i++) {
int k = belong[i];
x_total[k] += point[i];
x_cnt[k] ++;
}
for(int k=0;k<K;k++) {
if(x_cnt[k] == 0) continue;
center[k] = x_total[k] / (double)x_cnt[k];
}
}
ArrayList<Double> k_list = new ArrayList<Double>();
for(int k=0;k<K;k++) if(x_cnt[k] != 0) k_list.add(center[k]);
K = k_list.size();
return k_list;
} public static void main(String[] args) {
ArrayList<Double> list = new ArrayList<Double>();
list.add(1.0);
list.add(2.0);
list.add(3.0);
list.add(2.2);
list.add(2.1);
list.add(1.5);
list.add(9.9);
list.add(7.5);
list.add(8.8);
list.add(6.9);
list.add(8.7);
ArrayList<Double> ansList = k_means(list);
System.out.println("K == " + K);
for(double number : ansList) {
System.out.println(number);
}
} }

输出结果如下:
K == 4
1.25
2.325
7.2
9.133333333333333

k-means算法Java一维实现的更多相关文章

  1. k近邻算法-java实现

    最近在看<机器学习实战>这本书,因为自己本身很想深入的了解机器学习算法,加之想学python,就在朋友的推荐之下选择了这本书进行学习. 一 . K-近邻算法(KNN)概述 最简单最初级的分 ...

  2. KNN 与 K - Means 算法比较

    KNN K-Means 1.分类算法 聚类算法 2.监督学习 非监督学习 3.数据类型:喂给它的数据集是带label的数据,已经是完全正确的数据 喂给它的数据集是无label的数据,是杂乱无章的,经过 ...

  3. K-means算法

    K-means算法很简单,它属于无监督学习算法中的聚类算法中的一种方法吧,利用欧式距离进行聚合啦. 解决的问题如图所示哈:有一堆没有标签的训练样本,并且它们可以潜在地分为K类,我们怎么把它们划分呢?  ...

  4. k近邻算法的Java实现

    k近邻算法是机器学习算法中最简单的算法之一,工作原理是:存在一个样本数据集合,即训练样本集,并且样本集中的每个数据都存在标签,即我们知道样本集中每一数据和所属分类的对应关系.输入没有标签的新数据之后, ...

  5. KNN算法java实现代码注释

    K近邻算法思想非常简单,总结起来就是根据某种距离度量检测未知数据与已知数据的距离,统计其中距离最近的k个已知数据的类别,以多数投票的形式确定未知数据的类别. 一直想自己实现knn的java实现,但限于 ...

  6. Floyd算法java实现demo

    Floyd算法java实现,如下: https://www.cnblogs.com/Halburt/p/10756572.html package a; /** * ┏┓ ┏┓+ + * ┏┛┻━━━ ...

  7. <转>从K近邻算法、距离度量谈到KD树、SIFT+BBF算法

    转自 http://blog.csdn.net/likika2012/article/details/39619687 前两日,在微博上说:“到今天为止,我至少亏欠了3篇文章待写:1.KD树:2.神经 ...

  8. KMeans (K均值)算法讲解及实现

    算法原理 KMeans算法是典型的基于距离的聚类算法,采用距离作为相似性的评价指标,即认为两个对象的距离越近,其相似度就越大.该算法认为簇是由距离靠近的对象组成的,因此把得到紧凑且独立的簇作为最终目标 ...

  9. 机器学习 Python实践-K近邻算法

    机器学习K近邻算法的实现主要是参考<机器学习实战>这本书. 一.K近邻(KNN)算法 K最近邻(k-Nearest Neighbour,KNN)分类算法,理解的思路是:如果一个样本在特征空 ...

随机推荐

  1. RabbitMQ 如何保证消息不丢失?

    RabbitMQ一般情况很少丢失,但是不能排除意外,为了保证我们自己系统高可用,我们必须作出更好完善措施,保证系统的稳定性. 下面来介绍下,如何保证消息的绝对不丢失的问题,下面分享的绝对干货,都是在知 ...

  2. 用Qt写了一个qq客户端,采用webqq协议,发出来和大家分享一下---大神请无视

    首先做以下声明: 本程序基于腾讯公司的webqq协议开发,所有相关版权归腾讯公司所有.此程序只用于技术交流和学习,不得用于其他方面. ---开发者:雨后星辰,转载请注明出处:http://www.cn ...

  3. IOS-UISearchBar

    UISearchBar控件   最近用到搜索功能.于是,经过不断的研究,终于,有点懂了. 那就来总结一下吧,好记性不如烂笔头! 搜索,无疑可以使用UISearchBar控件! 那就先了解一下UISea ...

  4. 翻译"Python编程无师自通——专业程序员的养成"

    这本书在 畅销Python编程类入门书,美国亚马逊Kindle编程类排行榜榜一. 开始初学python,也有不少书了,不想在白花钱(买了就放那里不看了),看一个英文文档的原著,准备每天翻译一点,放到b ...

  5. Java复习4.数组初始化.

    Java复习4.Java中的数组声明方式  20131004 1.数组声明和初始化, 数组元素和变量一样,可以在定义的时候i进行初始化.数组元素的初始化工作实在编译阶段完成的,可以减少运行时间. 在初 ...

  6. 【css】响应式布局入门【转】

    最近研究响应式设计框架的时候,发现网上很多相关的属性介绍,却很少有系统的入门级使用的文章,我自己整理了一篇入门知识,并没有什么高深的理论,也不牵扯到框架. 目前已经越来越多的站点以及wap站点使用响应 ...

  7. Falsk项目cookie中的 csrf_token 和表单中的 csrf_token实现

    Flask中请求体的请求开启CSRF保护可以按以下配置 from flask_wtf.csrf import CSRFProtect app.config.from_object(Config) CS ...

  8. New Concept English Two 34 game over

    $课文95  纯属虚构 1049. When the Ambassador or Escalopia returned home for lunch, his wife got a shock. 当艾 ...

  9. Windows7下PHP 7.1搭建开发环境

    引言: PHP天生就是用来解决互联网时代的Web语言问题的专业工具,本文将记录在windows上搭建PHP的过程以及其中碰到的问题. 配置版本信息 OS: Windows 7 PHP: 7.1.7-n ...

  10. angular使用遇到的问题

    http://www.angularjs.cn/A0a6 用路由的时候,在js里写jquery的事件dom操作失效,只有在子页面里嵌套js才生效(jquery也不行).解决办法就是把dom操作用ng- ...