1、用途：聚类算法通常用于数据挖掘，将相似的数组进行聚簇

2、原理：网上比较多，可以百度或者google一下

3、实现：Java代码如下

package org.algorithm;import java.util.ArrayList;
import java.util.Random;/*** K均值聚类算法*/
public class Kmeans {private int k;// 分成多少簇private int m;// 迭代次数private int dataSetLength;// 数据集元素个数，即数据集的长度private ArrayList<float[]> dataSet;// 数据集链表private ArrayList<float[]> center;// 中心链表private ArrayList<ArrayList<float[]>> cluster; // 簇private ArrayList<Float> jc;// 误差平方和，k越接近dataSetLength，误差越小private Random random;/*** 设置需分组的原始数据集* * @param dataSet*/public void setDataSet(ArrayList<float[]> dataSet) {this.dataSet = dataSet;}/*** 获取结果分组* * @return 结果集*/public ArrayList<ArrayList<float[]>> getCluster() {return cluster;}/*** 构造函数，传入需要分成的簇数量* * @param k*            簇数量,若k<=0时，设置为1，若k大于数据源的长度时，置为数据源的长度*/public Kmeans(int k) {if (k <= 0) {k = 1;}this.k = k;}/*** 初始化*/private void init() {m = 0;random = new Random();if (dataSet == null || dataSet.size() == 0) {initDataSet();}dataSetLength = dataSet.size();if (k > dataSetLength) {k = dataSetLength;}center = initCenters();cluster = initCluster();jc = new ArrayList<Float>();}/*** 如果调用者未初始化数据集，则采用内部测试数据集*/private void initDataSet() {dataSet = new ArrayList<float[]>();// 其中{6,3}是一样的，所以长度为15的数据集分成14簇和15簇的误差都为0float[][] dataSetArray = new float[][] { { 8, 2 }, { 3, 4 }, { 2, 5 },{ 4, 2 }, { 7, 3 }, { 6, 2 }, { 4, 7 }, { 6, 3 }, { 5, 3 },{ 6, 3 }, { 6, 9 }, { 1, 6 }, { 3, 9 }, { 4, 1 }, { 8, 6 } };for (int i = 0; i < dataSetArray.length; i++) {dataSet.add(dataSetArray[i]);}}/*** 初始化中心数据链表，分成多少簇就有多少个中心点* * @return 中心点集*/private ArrayList<float[]> initCenters() {ArrayList<float[]> center = new ArrayList<float[]>();int[] randoms = new int[k];boolean flag;int temp = random.nextInt(dataSetLength);randoms[0] = temp;for (int i = 1; i < k; i++) {flag = true;while (flag) {temp = random.nextInt(dataSetLength);int j = 0;// 不清楚for循环导致j无法加1// for(j=0;j<i;++j)// {// if(temp==randoms[j]);// {// break;// }// }while (j < i) {if (temp == randoms[j]) {break;}j++;}if (j == i) {flag = false;}}randoms[i] = temp;}// 测试随机数生成情况// for(int i=0;i<k;i++)// {// System.out.println("test1:randoms["+i+"]="+randoms[i]);// }// System.out.println();for (int i = 0; i < k; i++) {center.add(dataSet.get(randoms[i]));// 生成初始化中心链表}return center;}/*** 初始化簇集合* * @return 一个分为k簇的空数据的簇集合*/private ArrayList<ArrayList<float[]>> initCluster() {ArrayList<ArrayList<float[]>> cluster = new ArrayList<ArrayList<float[]>>();for (int i = 0; i < k; i++) {cluster.add(new ArrayList<float[]>());}return cluster;}/*** 计算两个点之间的距离* * @param element*            点1* @param center*            点2* @return 距离*/private float distance(float[] element, float[] center) {float distance = 0.0f;float x = element[0] - center[0];float y = element[1] - center[1];float z = x * x + y * y;distance = (float) Math.sqrt(z);return distance;}/*** 获取距离集合中最小距离的位置* * @param distance*            距离数组* @return 最小距离在距离数组中的位置*/private int minDistance(float[] distance) {float minDistance = distance[0];int minLocation = 0;for (int i = 1; i < distance.length; i++) {if (distance[i] < minDistance) {minDistance = distance[i];minLocation = i;} else if (distance[i] == minDistance) // 如果相等，随机返回一个位置{if (random.nextInt(10) < 5) {minLocation = i;}}}return minLocation;}/*** 核心，将当前元素放到最小距离中心相关的簇中*/private void clusterSet() {float[] distance = new float[k];for (int i = 0; i < dataSetLength; i++) {for (int j = 0; j < k; j++) {distance[j] = distance(dataSet.get(i), center.get(j));// System.out.println("test2:"+"dataSet["+i+"],center["+j+"],distance="+distance[j]);}int minLocation = minDistance(distance);// System.out.println("test3:"+"dataSet["+i+"],minLocation="+minLocation);// System.out.println();cluster.get(minLocation).add(dataSet.get(i));// 核心，将当前元素放到最小距离中心相关的簇中}}/*** 求两点误差平方的方法* * @param element*            点1* @param center*            点2* @return 误差平方*/private float errorSquare(float[] element, float[] center) {float x = element[0] - center[0];float y = element[1] - center[1];float errSquare = x * x + y * y;return errSquare;}/*** 计算误差平方和准则函数方法*/private void countRule() {float jcF = 0;for (int i = 0; i < cluster.size(); i++) {for (int j = 0; j < cluster.get(i).size(); j++) {jcF += errorSquare(cluster.get(i).get(j), center.get(i));}}jc.add(jcF);}/*** 设置新的簇中心方法*/private void setNewCenter() {for (int i = 0; i < k; i++) {int n = cluster.get(i).size();if (n != 0) {float[] newCenter = { 0, 0 };for (int j = 0; j < n; j++) {newCenter[0] += cluster.get(i).get(j)[0];newCenter[1] += cluster.get(i).get(j)[1];}// 设置一个平均值newCenter[0] = newCenter[0] / n;newCenter[1] = newCenter[1] / n;center.set(i, newCenter);}}}/*** 打印数据，测试用* * @param dataArray*            数据集* @param dataArrayName*            数据集名称*/public void printDataArray(ArrayList<float[]> dataArray,String dataArrayName) {for (int i = 0; i < dataArray.size(); i++) {System.out.println("print:" + dataArrayName + "[" + i + "]={"+ dataArray.get(i)[0] + "," + dataArray.get(i)[1] + "}");}System.out.println("===================================");}/*** Kmeans算法核心过程方法*/private void kmeans() {init();// printDataArray(dataSet,"initDataSet");// printDataArray(center,"initCenter");// 循环分组，直到误差不变为止while (true) {clusterSet();// for(int i=0;i<cluster.size();i++)// {// printDataArray(cluster.get(i),"cluster["+i+"]");// }countRule();// System.out.println("count:"+"jc["+m+"]="+jc.get(m));// System.out.println();// 误差不变了，分组完成if (m != 0) {if (jc.get(m) - jc.get(m - 1) == 0) {break;}}setNewCenter();// printDataArray(center,"newCenter");m++;cluster.clear();cluster = initCluster();}// System.out.println("note:the times of repeat:m="+m);//输出迭代次数}/*** 执行算法*/public void execute() {long startTime = System.currentTimeMillis();System.out.println("kmeans begins");kmeans();long endTime = System.currentTimeMillis();System.out.println("kmeans running time=" + (endTime - startTime)+ "ms");System.out.println("kmeans ends");System.out.println();}
}

4、说明：具体代码是从网上找的，根据自己的理解加了注释和进行部分修改，若注释有误还望指正

5、测试

package org.test;import java.util.ArrayList;import org.algorithm.Kmeans;public class KmeansTest {public  static void main(String[] args){//初始化一个Kmean对象，将k置为10Kmeans k=new Kmeans(10);ArrayList<float[]> dataSet=new ArrayList<float[]>();dataSet.add(new float[]{1,2});dataSet.add(new float[]{3,3});dataSet.add(new float[]{3,4});dataSet.add(new float[]{5,6});dataSet.add(new float[]{8,9});dataSet.add(new float[]{4,5});dataSet.add(new float[]{6,4});dataSet.add(new float[]{3,9});dataSet.add(new float[]{5,9});dataSet.add(new float[]{4,2});dataSet.add(new float[]{1,9});dataSet.add(new float[]{7,8});//设置原始数据集k.setDataSet(dataSet);//执行算法k.execute();//得到聚类结果ArrayList<ArrayList<float[]>> cluster=k.getCluster();//查看结果for(int i=0;i<cluster.size();i++){k.printDataArray(cluster.get(i), "cluster["+i+"]");}}
}

6、总结：测试代码已经通过。并对聚类的结果进行了查看，结果基本上符合要求。至于有没有更精确的算法有待发现。具体的实践还有待挖掘