java kmeans聚簇统计

kmeans很好的解释了机器学习的定义，一种非监督学习算法。经过几千条数据的锻炼，更趋于真是模型，虽然改造成半监督性后更精确，但也失去了它智能化、自动化的初衷。

kmeans算法实现：

       1）从样本D中随机选取K个元素，作为K个簇的中心

       2）分别计算剩下的元素到K个簇的距离，将这些元素归化到距离最短的簇

       3）根据聚类结果，重新计算K个簇各自的中心，计算方法是取簇中所有元素各自维度的算术平均

       4）将D中的元素按照新的中心重新聚类

       5）重复第四步，直到中心不发生变化

       6）将结果输出

这次所用的数据集如下，即模拟用户轨迹数据-各个时刻点的经纬度坐标（大概有900多条明细数据，下图为经过转json处理后）

java实现过程：

/** * K-means 聚类算法 * @author ardo * */public class KmeansClustering {       public static String readFilePath = "D:\\ardo\\data\\latlng.txt";       private List<Point> dataset = null;          public KmeansClustering() throws IOException {         initDataSet(readFilePath);     }      /**     * 初始化数据集     *      * @throws IOException     */     private void initDataSet(String filePath) throws IOException {         dataset = new ArrayList<Point>();        //        BufferedReader bufferedReader = new BufferedReader( //                new InputStreamReader(KmeansClustering.class.getClassLoader() //                        .getResourceAsStream(path))); //        String line = null; //        while ((line = bufferedReader.readLine()) != null) { //            String[] s = line.split("\t"); //            Point point = new Point(); //            point.setX(Double.parseDouble(s[0])); //            point.setY(Double.parseDouble(s[1])); //            point.setName(s[2]); //            //        }                       String encoding="GBK";        File file=new File(filePath);        if(file.isFile() && file.exists()){ //判断文件是否存在            InputStreamReader read = new InputStreamReader(            new FileInputStream(file),encoding);//考虑到编码格式            BufferedReader bufferedReader = new BufferedReader(read);            String lineTxt = null;            while((lineTxt = bufferedReader.readLine()) != null){              String mrDetail[] =  lineTxt.split("\\|");              Point point = new Point();              point.setName(mrDetail[0]);              point.setX(Double.parseDouble(mrDetail[16]));              point.setY(Double.parseDouble(mrDetail[17]));                dataset.add(point);            }                   }    }      /**     * @param k     * 聚类的数目     */     public Map<Point,List<Point>> kcluster(int k) {         // 随机从样本集合中选取k个样本点作为聚簇中心         // 每个聚簇中心有哪些点         Map<Point,List<Point>> nowClusterCenterMap = new HashMap<Point, List<Point>>();         for (int i = 0; i < k; i++) {             Random random = new Random();             int num = random.nextInt(dataset.size());             nowClusterCenterMap.put(dataset.get(num), new ArrayList<Point>());         }                  //上一次的聚簇中心         Map<Point,List<Point>> lastClusterCenterMap = null;          // 找到离中心最近的点,然后加入以该中心为map键的list中         while (true) {              for (Point point : dataset) {                 double shortest = Double.MAX_VALUE;                 Point key = null;                 for (Entry<Point, List<Point>> entry : nowClusterCenterMap.entrySet()) {                     double distance = distance(point, entry.getKey());                     if (distance < shortest) {                         shortest = distance;                         key = entry.getKey();                     }                 }                 nowClusterCenterMap.get(key).add(point);             }                          //如果结果与上一次相同，则整个过程结束             if (isEqualCenter(lastClusterCenterMap,nowClusterCenterMap)) {                 break;             }             lastClusterCenterMap = nowClusterCenterMap;             nowClusterCenterMap = new HashMap<Point, List<Point>>();             //把中心点移到其所有成员的平均位置处,并构建新的聚簇中心             for (Entry<Point,List<Point>> entry : lastClusterCenterMap.entrySet()) {                 nowClusterCenterMap.put(getNewCenterPoint(entry.getValue()), new ArrayList<Point>());             }                      }         return nowClusterCenterMap;     }      /**     * 判断前后两次是否是相同的聚簇中心，若是则程序结束，否则继续,直到相同     * @param lastClusterCenterMap     * @param nowClusterCenterMap     * @return bool     */     private boolean isEqualCenter(Map<Point, List<Point>> lastClusterCenterMap,             Map<Point, List<Point>> nowClusterCenterMap) {         if (lastClusterCenterMap == null) {             return false;         }else {             for (Entry<Point, List<Point>> entry : lastClusterCenterMap.entrySet()) {                 if (!nowClusterCenterMap.containsKey(entry.getKey())) {                     return false;                 }             }         }         return true;     }      /**     * 计算新的中心     *      * @param value     * @return Point     */     private Point getNewCenterPoint(List<Point> value) {         double sumX = 0.0, sumY = 0.0;         for (Point point : value) {             sumX += point.getX();             sumY += point.getY();         } //      System.out.println((int)sumX / value.size() + "===" + (int)sumY / value.size());         Point point = new Point();         point.setX(sumX / value.size());         point.setY(sumY / value.size());          return  point;     }      /**     * 使用欧几里得算法计算两点之间距离     *      * @param point1     * @param point2     * @return 两点之间距离     */     private double distance(Point point1, Point point2) {         double distance = Math.pow((point1.getX() - point2.getX()), 2)              + Math.pow((point1.getY() - point2.getY()), 2);         distance = Math.sqrt(distance);         return distance;     }      public static void main(String[] args) throws IOException {         KmeansClustering kmeansClustering = new KmeansClustering();         Map<Point, List<Point>> result = kmeansClustering.kcluster(12);         for (Entry<Point, List<Point>> entry : result.entrySet()) {             System.out.println("===============聚簇中心为：" + entry.getKey() + "================"); //            for (Point point : entry.getValue()) { //                System.out.println(point.getName()); //            }         }     } }

样本点之间的距离计算这里仍然采用欧几里得距离算法。900多条数据聚簇为11个中心点，当然我的程序中设置的为12，则跑出来的肯定不会大于这个数；算法不足之处：最终的结果与初始化K个中心值的选择有很大的关系，容易受噪音干扰。由此也可以看出kmeans更适合局部、量化的。程序的输出如下

拿到聚簇中心统计数据（坐标）后，我们开始绘制用户轨迹，如下（图中除起点和终点外中间蓝色圆圈的9个点为途经点）：

如果大家对以上绘制地图线路API感兴趣，可以下载示例：

http://download.csdn.net/download/ardo_pass/10110459