KMeans中的数据聚类使用二叉树结构的算法

Question

我在为Java中的KMeans聚类生成代码时遇到了问题。我已经知道这个算法，但是在java代码中写入非常困难。 我的任务是从数据库检索数据，然后用KMeans运行聚类，在这种情况下，首先必须在递归二叉树结构中形成数据。 场景是

1. 首先创建父节点，当父为NULL，则设置global_iteration = 0

2. 创建节点和它的相对于父

3. retreive从数据库中的所有数据（i （接下来我们称之为数据集）

4. 如果数据集< outlierSize，将此节点标记为异常值（outlierSize由程序员声明）然后停止。

5. 如果数据集< maxIteration（程序员规定），则停止从数据集

6. 计算质心（在这种情况下是2的事业，我们建立二叉树）

7. 卡尔KMEANS类

8. global_iteration ++

9. 对于每个数据集：继续递归。

然后我们必须创建一个KMeans类，它将被调用插入节点。

KMEANS（数据集，K，maxIteration，minChange）

备注：K =簇的簇号，minChange：重心变化期间的值是参数是否聚类仍应被处理或不。 Kmeans聚类与KMeans算法完全相同。

非常感谢你帮我做这个作业:)

Answer 1

检查Weka源code for K-Means，可能它会帮助你来解决这个问题。

Answer 2

You can implement k-means algorithm as: 
SimpleKMeans kmeans = new SimpleKMeans(); 

kmeans.setSeed(10); 

// This is the important parameter to set 
kmeans.setPreserveInstancesOrder(true); 
kmeans.setNumClusters(numberOfClusters); 
kmeans.buildClusterer(instances); 

// This array returns the cluster number (starting with 0) for each instance 
// The array has as many elements as the number of instances 
int[] assignments = kmeans.getAssignments(); 

int i=0; 
for(int clusterNum : assignments) { 
System.out.printf("Instance %d -> Cluster %d", i, clusterNum); 
i++; 
}