K-Means聚类算法C#实现

文件中包含K-Means聚类算法C#版本，一个文件中包含7个函数，使用的时候直接将C#文件复制到项目中即可使用，调用的时候主函数会直接返回结果

using System;
using System.Collections;
using System.Collections.Generic;
/**
* 
* @author aturbo
* 1、随机选择k个点作为中心点（centroid）
* 2、计算点到各个类中心的距离；
* 3、将点放入最近的中心点所在的类
* 4、重新计算中心点
* 5、判断目标函数是否收敛，收敛停止，否则循环2-4步
* 
*/
public class MyKmeans
{

    public static  double[][] points = { new double[]{ 1 1 }new double[] { 2 1 }new double[] { 1 2 } new double[]{ 2 2 } new double[]{ 3 3 } new double[]{ 8 8 } new double[]{ 9 8 }
            new double[]{ 8 9 } new double[]{ 9 9 } };

    /**
	 * 随机选择k个点作为中心点
	 * @param k 
	 * @return k个中心点
	 */
    private static double[][] chooseinitK（int k）
    {
        double[][] cluster = new double[k][];
        List set = new List（）;
        for （int i = 0; i < points.Length; i++）
        {
            set.Add（i）;
        }
        //在set中剩下的序列点就为随机选择的
        for （int i = 0; i < （points.Length - k）;）
        {
            Random random = new Random（）;
            int a = random.Next（points.Length）;
            if （!set.Contains（a））
                continue;
            set.Remove（a）;
            //System.out.println（“a“ + a）;
            i++;
        }
        //Iterator iterator = set.iterator（）;
        int j = 0;
        foreach （int iterator  in set）
        {
            cluster[j] = points[iterator];
            j++;
        }
        for （int i = 0; i < cluster.Length; i++）
        {
            //System.out.println（“随机选择的k个节点：“ + cluster[i][0] + “\t“ + cluster[i][1]）;
        }
        return cluster;
    }
    /**
	 * 欧式距离计算公式
	 * @param center （中心）点
	 * @param otherpoint 
	 * @return 欧式距离
	 */
    private static double eurDistance（double[] center double[] otherpoint）
    {
        double distance = 0.0;
        for （int i = 0; i < center.Length; i++）
        {
            distance += （（center[i] - otherpoint[i]） * （center[i] - otherpoint[i]））;
        }
        distance = Math.Sqrt（distance）;
        return distance;
    }
    /**
	 * 目标函数——也就是每个聚类中的点到它中心点的距离和
	 * @param center 中心点
	 * @param cluster 划分的（中间）聚类
	 * @return cost
	 */
    private static double cost（double[][] center List[] cluster）
    {
        double cost = 0.0;
        for （int i = 0; i < cluster.Length; i++）
        {
            for （int j = 0; j < cluster[i].Count; j++）
            {
                double tempCost = 0.0;
                for （int k = 0; k < center.Length; k++）
                {
                    //System.out.println（cluster[i].get（j）[k]）;
                    tempCost += （cluster[i][j][k] - center[i][k]） * （cluster[i][j][k] - center[i][k]）;
                }

                cost += Math.Sqrt（tempCost）;
            }

        }
        return cost;
    }
    /**
	 * 聚类算法——将所有点和各中心点计算距离，将点放入最近距离点的类中
	 * @param points 所有点
	 * @param centers 中心点
	 * @param k
	 * @return 聚类
	 */
    private static List[] returnCluster（double[][] points double[][] centers int k）
   

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5647  2019-04-25 15:50  kmeans\MyKmeans.cs

     目录          0  2019-04-25 16:07  kmeans

----------- ---------  ---------- -----  ----

                 5647                    2