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. IOS加载PDF文件

    今天的任务是:在iOS上加载显示pdf文件. 方法一:利用webview -(void)loadDocument:(NSString *)documentName inView:(UIWebView  ...

  2. IOS-网络(网页开发-UIWebView,HTML,CSS,JavaScript,OC和JS代码互调)

    一.网页基础 // // ViewController.m // IOS_0218_网页开发1 // // Created by ma c on 16/2/18. // Copyright © 201 ...

  3. laravel中Crypt加密方法

    使用Crypt::encrypt对数据进行加密,要引入 use Illuminate\Support\Facades\Crypt;;  对使用Crypt::encrypt加密的数据进行解密的方法时:C ...

  4. windows 2008 server R2 服务器docker安装

    1.安装包选择 windows win10 较新版本,使用 Get Docker for Windows (Stable) 或者 Get Docker for Windows (Edge) 其余使用  ...

  5. 逐步实现hash算法(基于BKDRhash函数)

    哈希(Hash)算法,即散列函数.它是一种单向密码体制,即它是一个从明文到密文的不可逆的映射,只有加密过程,没有解密过程.同时,哈希函数可以将任意长度的输入经过变化以后得到固定长度的输出.hash算法 ...

  6. 2017-2018-2 20165202 实验三《敏捷开发与XP实践》实验报告

    一.实验报告封面 二.实验内容 XP基础 XP核心实践 相关工具 三.实验步骤 (一)格式化代码 实验要求: 在IDEA中使用工具(Code->Reformate Code)把下面代码重新格式化 ...

  7. js中top、self、parent

    1.在应用iframe或者frameset的时候 parent指的是父窗口.top指的是顶级的窗口.self指的是当前的窗口-window window.self 功能:是对当前窗口自身的引用.它和w ...

  8. Cannot mix incompatible Qt library (version 0x40805) with this library (version 0x40801)

    问题描述 今天运行我的 linux 上的 go 语言 IDE liteide 突然报错,错误如下: Cannot mix incompatible Qt library (version 0x4080 ...

  9. [Python] 项目打包发布

    一.setuptools - 官方文档: Building and Distributing Packages with Setuptools- 中文文档: Python包管理工具setuptools ...

  10. webpack 实现自动刷新,复制文件,实现开发环境和发布环境

    webpack例子:https://github.com/Aquarius1993/webpackDemo 安装: webpack , webpack-dev-server 1.如何在使用webpac ...