基于欧式距离的聚类算法的Kmeans作业

访问【WRITE-BUG数字空间】_[内附完整源码和文档]

基于欧式距离的聚类算法，其认为两个目标的距离越近，相似度越大。 该实验产生的点为二维空间中的点。

环境配置
java环境，使用原生的Java UI组件JPanel和JFrame

算法原理
基于欧式距离的聚类算法，其认为两个目标的距离越近，相似度越大。

该实验产生的点为二维空间中的点。

欧式距离
n维空间中的两个点X，Y

$dist(X, Y) = sqrt{sum_{i = 1}^{n} (x_{i} – y_{i})^{2}}$

算法过程
选择k，聚类的数量。
选择k个点作为聚类中心。
对每个样本点计算到k个聚类中心的距离，采用的是欧氏距离，将其分类到距离最近的类别中。
根据每个类别，计算被分类在该类别中的所有点的中心。
如果计算出来的中心和聚类中心相同，则退出循环，否则以新的计算出来的中心为每个聚类的聚类中心，不断重复3 – 4步。
核心代码
设定K
/Step按钮的监听器/
jButton2.addActionListener(new ActionListener() {

public void actionPerformed(ActionEvent ae) {


    painting.assign();

    painting.updateCentroids();


    /*算法终止的话让按钮变灰并提示算法结束*/
    if (painting.stop(num++)) {
        jButton2.setText("End");
        jButton2.setEnabled(false);
    }


    painting.repaint();
}

});
计算欧式距离
/欧式距离/
double Euc(Point p1, Point p2) {

double distance = 0.0;

for (int i = 0; i 

}
更新中心点
/更新中心点/
void updateCentroid(int clusterNum) {

//将newCluster数组的那个中心点置空
for (int i = 0; i 

}
计算每个点的分类
/分配数据点到哪个簇/
void assignPoint(int x) {

double minDistance = 99999999;
int nodeClassify = 1;
for (int i = 0; i 

}
判断终止条件
/判断算法是否终止/
Boolean stop(int currentTime) {

//超过迭代次数
if (currentTime > range) {
    int num = 1;
    System.out.println("超过迭代次数");
    for (Point i : oldCluster) {
        System.out.println("中心点" + num + "坐标：(" + i.x[0] + "," + i.x[1] + ")");
        num++;
    }
    return true;
}
/*如果每一个中心点都与上一次的中心点相同，则算法终止，否则更新oldCentroid*/
for (int i = 0; i 

}

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net

相关推荐: 【寒假每日一题】AcWing 4652. 纸张尺寸

目录 一、题目 1、原题链接 2、题目描述 二、解题报告 1、思路分析 2、时间复杂度 3、代码详解  一、题目 1、原题链接 4652. 纸张尺寸 – AcWing题库 2、题目描述 在 ISO 国际标准中定义了 A0纸张的大小为 1189mm×841mm，…