數(shù)據(jù)挖掘聚類算法課程設計報告(編輯修改稿)
2024-09-15 14:21 本頁面
【文章內容簡介】 5)until 不再發(fā)生變化開始從本地讀取數(shù)據(jù)文件數(shù)據(jù)預處理輸入k,簇的個數(shù)在數(shù)據(jù)集中隨機選取k個數(shù)據(jù)對象作為初始中心點迭代開始。將數(shù)據(jù)集中每個數(shù)據(jù)對象與k個中心點作比較，把每個對象分到與其最相似的中心點所在的簇中計算每個簇中對象的均值，作為該簇新的中心點滿足迭代終止條件迭代終止，輸出結果。根據(jù)上述算法，結合本實驗實際情況和數(shù)據(jù)集特征給出程序的執(zhí)行流程圖： ?否是 ?圖2 程序執(zhí)行流程 針對上面的流程圖，有幾點說明： ，最終生成用于聚類分析的數(shù)據(jù)集。 ，k越大聚類過程耗時越久。 “最相似”意思就是距離中心點距離最近，本實驗中采用歐幾里得距離，其定義如下：其中和是兩個n維數(shù)據(jù)對象。在本實驗中，和分別代表為i,j兩個數(shù)據(jù)對象設置的字符串數(shù)組()中下標為1的元素值，此處n為68。 ：前后兩次中心點之間的距離(仍然用歐幾里得距離)是否小于設定的值。例如，第n次迭代完成后重新生成了k個新的中心點，計算k個新中心點與k個舊的中心點距離之和并將結果與設定的值比較，若小于設定值則終止迭代，聚類完成，否則繼續(xù)迭代。 算法實現(xiàn)圖3 代碼文件的組織結構上圖是本實驗源碼的組織結構，該項目包含五個Java類。每個類的功能描述如下：◆ 該類定義了簇的結構，包含簇標志，簇成員和簇中心點三個字段。該類的每一個實例對應于聚類過程中的一個簇?！?該類定義了數(shù)據(jù)對象的結構，主要包含數(shù)據(jù)對象名稱(即植物名稱)和數(shù)據(jù)對象字符串數(shù)組(即植物的分布區(qū)域)。該類的每一個實例對應于數(shù)據(jù)集中的一個數(shù)據(jù)對象?！?該類是程序的核心類，主要功能是執(zhí)行聚類過程，包括中心點的選取與更新，計算各個數(shù)據(jù)對象與中心點之間的距離并把其派分到最相似的簇等?！?該類主要功能是生成聚類過程適用的數(shù)據(jù)集，包括讀取文件，數(shù)據(jù)預處理等。◆ 該類是一個工具類，其中定義了多個程序中使用到的靜態(tài)方法。 ★： (1) 隨機選取中心點 public void setCenter_ran() {// 第一次，從數(shù)據(jù)集中隨機選取中心點 beginTime = ()。 (聚類過程開始,開始于: + ())。 Random ran = new Random()。 int order = 0。// 隨機選取中心點 while (() numOfCluster) { order = (())。 if (((order), )) ((order))。 }// while } (2)初始化簇集合 public void initArrayCluster(ArrayListDataItem center) {// 初始每個簇中的中心點屬性 ()。// 把簇集合清空 for (int i = 0。 i ()。 i++) { Cluster cluster = new Cluster(i, (i))。 if ((i).getIsDataItem()) ((i))。 (cluster)。 } } (3)執(zhí)行聚類過程(計算距離，把數(shù)據(jù)對象派分到最相似簇中)public void runCluster(ArrayListDataItem center) { int beyondIndex = 0。// 判斷數(shù)據(jù)項屬于哪一個簇，初始默認為是0簇 Random rd = new Random()。// 隨機函數(shù) printBeginInfo()。// 打印以此迭代開始前的信息。
環(huán)評公示相關推薦
鄂ICP備17016276號-1