详解Java实现的k-means聚类算法
需求
对MySQL数据库中某个表的某个字段执行k-means算法,将处理后的数据写入新表中。
源码及驱动
kmeans_jb51.rar
源码
import java.sql.*; import java.util.*; /** * @author tianshl * @version 2018/1/13 上午11:13 */ public class Kmeans { // 源数据 private List<Integer> origins = new ArrayList<>(); // 分组数据 private Map<Double, List<Integer>> grouped; // 初始质心列表 private List<Double> cores; // 数据源 private String tableName; private String colName; /** * 构造方法 * * @param tableName 源数据表名称 * @param colName 源数据列名称 * @param cores 质心列表 */ private Kmeans(String tableName, String colName,List<Double> cores){ this.cores = cores; this.tableName = tableName; this.colName = colName; } /** * 重新计算质心 * * @return 新的质心列表 */ private List<Double> newCores(){ List<Double> newCores = new ArrayList<>(); for(List<Integer> v: grouped.values()){ newCores.add(v.stream().reduce(0, (sum, num) -> sum + num) / (v.size() + 0.0)); } Collections.sort(newCores); return newCores; } /** * 判断是否结束 * * @return bool */ private Boolean isOver(){ List<Double> _cores = newCores(); for(int i=0, len=cores.size(); i<len; i++){ if(!cores.get(i).toString().equals(_cores.get(i).toString())){ // 使用新质心 cores = _cores; return false; } } return true; } /** * 数据分组 */ private void setGrouped(){ grouped = new HashMap<>(); Double core; for (Integer origin: origins) { core = getCore(origin); if (!grouped.containsKey(core)) { grouped.put(core, new ArrayList<>()); } grouped.get(core).add(origin); } } /** * 选择质心 * * @param num 要分组的数据 * @return 质心 */ private Double getCore(Integer num){ // 差 列表 List<Double> diffs = new ArrayList<>(); // 计算差 for(Double core: cores){ diffs.add(Math.abs(num - core)); } // 最小差 -> 索引 -> 对应的质心 return cores.get(diffs.indexOf(Collections.min(diffs))); } /** * 建立数据库连接 * @return connection */ private Connection getConn(){ try { // URL指向要访问的数据库名mydata String url = "jdbc:mysql://localhost:3306/data_analysis_dev"; // MySQL配置时的用户名 String user = "root"; // MySQL配置时的密码 String password = "root"; // 加载驱动 Class.forName("com.mysql.jdbc.Driver"); //声明Connection对象 Connection conn = DriverManager.getConnection(url, user, password); if(conn.isClosed()){ System.out.println("连接数据库失败!"); return null; } System.out.println("连接数据库成功!"); return conn; } catch (Exception e) { System.out.println("连接数据库失败!"); e.printStackTrace(); } return null; } /** * 关闭数据库连接 * * @param conn 连接 */ private void close(Connection conn){ try { if(conn != null && !conn.isClosed()) conn.close(); } catch (Exception e){ e.printStackTrace(); } } /** * 获取源数据 */ private void getOrigins(){ Connection conn = null; try { conn = getConn(); if(conn == null) return; Statement statement = conn.createStatement(); ResultSet rs = statement.executeQuery(String.format("select %s from %s", colName, tableName)); while(rs.next()){ origins.add(rs.getInt(1)); } conn.close(); } catch (Exception e){ e.printStackTrace(); } finally { close(conn); } } /** * 向新表中写数据 */ private void write(){ Connection conn = null; try { conn = getConn(); if(conn == null) return; // 创建表 Statement statement = conn.createStatement(); // 删除旧数据表 statement.execute("DROP TABLE IF EXISTS k_means; "); // 创建新表 statement.execute("CREATE TABLE IF NOT EXISTS k_means(`core` DECIMAL(11, 7), `col` INTEGER(11));"); // 禁止自动提交 conn.setAutoCommit(false); PreparedStatement ps = conn.prepareStatement("INSERT INTO k_means VALUES (?, ?)"); for(Map.Entry<Double, List<Integer>> entry: grouped.entrySet()){ Double core = entry.getKey(); for(Integer value: entry.getValue()){ ps.setDouble(1, core); ps.setInt(2, value); ps.addBatch(); } } // 批量执行 ps.executeBatch(); // 提交事务 conn.commit(); // 关闭连接 conn.close(); } catch (Exception e){ e.printStackTrace(); } finally { close(conn); } } /** * 处理数据 */ private void run(){ System.out.println("获取源数据"); // 获取源数据 getOrigins(); // 停止分组 Boolean isOver = false; System.out.println("数据分组处理"); while(!isOver) { // 数据分组 setGrouped(); // 判断是否停止分组 isOver = isOver(); } System.out.println("将处理好的数据写入数据库"); // 将分组数据写入新表 write(); System.out.println("写数据完毕"); } public static void main(String[] args){ List<Double> cores = new ArrayList<>(); cores.add(260.0); cores.add(600.0); // 表名, 列名, 质心列表 new Kmeans("attributes", "attr_length", cores).run(); } }
源文件
Kmeans.java
编译
javac Kmeans.java
运行
# 指定依赖库 java -Djava.ext.dirs=./lib Kmeans
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。
您可能感兴趣的文章:
- K-means聚类算法介绍与利用python实现的代码示例
- python中实现k-means聚类算法详解
赞 (0)