數(shù)據(jù)挖掘聚類算法課程設(shè)計報告-文庫吧資料
2024-09-01 14:21本頁面
【正文】 (ranIndex), 0)。 isAlreadyExitInCluster = false。 j ()。 int ranIndex = (())。 boolean isAlreadyExitInCluster = true。 i ()。// 打印以此迭代開始前的信息。// 判斷數(shù)據(jù)項屬于哪一個簇，初始默認(rèn)為是0簇 Random rd = new Random()。 (cluster)。 i++) { Cluster cluster = new Cluster(i, (i))。// 把簇集合清空 for (int i = 0。 if (((order), )) ((order))。 int order = 0。 (聚類過程開始,開始于: + ())。◆ 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?！?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?！?該類定義了數(shù)據(jù)對象的結(jié)構(gòu)，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?dāng)?shù)組(即植物的分布區(qū)域)。每個類的功能描述如下：◆ 該類定義了簇的結(jié)構(gòu)，包含簇標(biāo)志，簇成員和簇中心點三個字段。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(jié)果與設(shè)定的值比較，若小于設(shè)定值則終止迭代，聚類完成，否則繼續(xù)迭代。在本實驗中，和分別代表為i,j兩個數(shù)據(jù)對象設(shè)置的字符串?dāng)?shù)組()中下標(biāo)為1的元素值，此處n為68。 ，k越大聚類過程耗時越久。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(jié)果。輸出：k個簇的集合。用于劃分的K均值算法，每個簇的中心用簇中對象的均值表示。 }3. 聚類分析 算法描述本實驗采用了聚類分析中常用的K均值(KMeans)算法。 beginIndex = i + 1。 } } else { String temp = (beginIndex, i)。 i++) { if ((i) != ch) { if (i != () 1) continue。 for (int i = 0。 }// isRightData,篩選出合適的數(shù)據(jù) public ArrayListString spilt(String str, char ch) { ArrayListString words = new ArrayListString()。 if (() = 1) return false。 39。 } public boolean isRightData(String data) {// 篩選出合適的數(shù)據(jù) ArrayListString tempArrayList = new ArrayListString()。 (data_Item)。)。 eachRomItem = ((i), 39。 i ()。 ArrayListString temp_DataSet = ()。 return raw_dataSet。 } } catch (Exception e) { ()。 String data = null。 if (()) {// 如果數(shù)據(jù)文件存在 try { fileReader = new FileReader()。 FileReader fileReader = null。 ★數(shù)據(jù)預(yù)處理
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1