java实现KMeans算法代码

package kmeans;
import javafx.application.Application;
import javafx.collections.FXCollections;
import javafx.collections.ObservableList;
import javafx.scene.Scene;
import javafx.scene.chart.CategoryAxis;
import javafx.scene.chart.NumberAxis;
import javafx.scene.chart.ScatterChart;
import javafx.scene.chart.XYChart;
import javafx.scene.chart.XYChart.Series;
import javafx.scene.layout.StackPane;
import javafx.stage.Stage;

import java.util.ArrayList;
import java.util.Vector;

import javafx.collections.FXCollections;
import javafx.collections.ObservableList;
import javafx.scene.Scene;
import javafx.scene.chart.CategoryAxis;
import javafx.scene.chart.NumberAxis;
import javafx.scene.chart.ScatterChart;
import javafx.scene.chart.XYChart;
import javafx.scene.chart.XYChart.Series;
import javafx.scene.layout.StackPane;
import javafx.stage.Stage;
//随机选取若干个聚类，计算所有点到这些聚类的距离，取最小值属于该类
//分类后将每个类所有点取均值，算该类的中心点，随后对所有点再次计算欧氏距离，再次分类
//迭代到每个中心点不变为止
//生成指定个数和维数的随机向量
public class KMeans extends Application{
	static ArrayList> vectorList ;//向量组
	static Vector center1 ;//中心1
	static Vector center2 ;//中心2
	static ArrayList>  cluster1;//聚类1
	static ArrayList>  cluster2;//聚类2
	
	static double threshold = 0.01;
	public void showVectorGroup（ArrayList> vectorList int vectorNum int dim） {
		for（int i=0;i			for（int j=0;j				System.out.print（vectorList.get（i）.get（j）+“ “）;
			}
		System.out.println（）;
		}
	}
	
	public static ArrayList>  generateVectorGroup（int vectorNum int dim） {
		ArrayList> vectorList = new ArrayList>（）;
		//随机填充向量组
		for（int i=0;i			Vector vTemp = new Vector<>（）;
			for（int j=0;j				double randomTemp = Math.random（）*100-30;
				vTemp.add（（randomTemp）<0?（randomTemp+Math.random（）*40）:（randomTemp））;
			}vectorList.add（vTemp）;//讲向量加入向量组中
		}
		//增加偏置因子让数据更好的显示类别
		for（int i=0;i			Vector vTemp = new Vector<>（）;
			for（int j=0;j				double randomTemp = Math.random（）*100+30;
				vTemp.add（（randomTemp）>100?（randomTemp-Math.random（）*40）:（randomTemp））;
			}vectorList.add（vTemp）;//讲向量加入向量组中
		}
		return vectorList;
	}
	
	//计算向量的欧式距离
	public static double calculationVectorDistance（Vector v1Vector v2 int dim） {
		double distance = 0.0;
		for（int i=0;i			distance += Math.pow（（v1.get（i）-v2.get（i））2）;
		}
		return Math.sqrt（distance）;
	}
	
	//聚类方法
	public static void doCluster（） {
		
	}
	
	//计算聚类的中心
	public static Vector computeCenter（ArrayList> cluster int dim）{
		Vector center = new Vector<>（）;
		for（int i=0;i			double calculate = 0.0;
			for（int j=0;j				calculate+=cluster.get（j）.get（i）;
			}
			c