- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 k-means 算法进行数据聚类并使用大数据集。我有近 100000 篇研究论文,我想使用 k 均值对它们进行聚类。我使用传统的 k 均值,也使用倒排索引,但在这两个程序中。当我输入 50000 时,Java 中的堆内存不足(使用 NetBeans)。
代码:
import java.util.*;
import java.io.*;
public class kmeans
{
public static void main(String[]args) throws IOException
{
//read in documents from all .txt files in same folder as kmeans.java
//save parallel lists of documents (String[]) and their filenames, and create global set list of words
ArrayList<String[]> docs = new ArrayList<String[]>();
ArrayList<String> filenames = new ArrayList<String>();
ArrayList<String> global = new ArrayList<String>();
File folder = new File(".");
List<File> files = Arrays.asList(folder.listFiles(new FileFilter() {
public boolean accept(File f) {
return f.isFile() && f.getName().endsWith(".txt");
}
}));
BufferedReader in = null;
for(File f:files){
in = new BufferedReader(new FileReader(f));
StringBuffer sb = new StringBuffer();
String s = null;
while((s = in.readLine()) != null){
sb.append(s);
}
//input cleaning regex
String[] d = sb.toString().replaceAll("[\\W&&[^\\s]]","").split("\\W+");
for(String u:d)
if(!global.contains(u))
global.add(u);
docs.add(d);
filenames.add(f.getName());
}
//
//compute tf-idf and create document vectors (double[])
ArrayList<double[]> vecspace = new ArrayList<double[]>();
for(String[] s:docs){
double[] d = new double[global.size()];
for(int i=0;i<global.size();i++)
d[i] = tf(s,global.get(i)) * idf(docs,global.get(i));
vecspace.add(d);
}
//iterate k-means
HashMap<double[],TreeSet<Integer>> clusters = new HashMap<double[],TreeSet<Integer>>();
HashMap<double[],TreeSet<Integer>> step = new HashMap<double[],TreeSet<Integer>>();
HashSet<Integer> rand = new HashSet<Integer>();
TreeMap<Double,HashMap<double[],TreeSet<Integer>>> errorsums = new TreeMap<Double,HashMap<double[],TreeSet<Integer>>>();
int k = 3;
int maxiter = 500;
for(int init=0;init<100;init++){
clusters.clear();
step.clear();
rand.clear();
//randomly initialize cluster centers
while(rand.size()< k)
rand.add((int)(Math.random()*vecspace.size()));
for(int r:rand){
double[] temp = new double[vecspace.get(r).length];
System.arraycopy(vecspace.get(r),0,temp,0,temp.length);
step.put(temp,new TreeSet<Integer>());
}
boolean go = true;
int iter = 0;
while(go){
clusters = new HashMap<double[],TreeSet<Integer>>(step);
//cluster assignment step
for(int i=0;i<vecspace.size();i++){
double[] cent = null;
double sim = 0;
for(double[] c:clusters.keySet()){
double csim = cosSim(vecspace.get(i),c);
if(csim > sim){
sim = csim;
cent = c;
}
}
clusters.get(cent).add(i);
}
//centroid update step
step.clear();
for(double[] cent:clusters.keySet()){
double[] updatec = new double[cent.length];
for(int d:clusters.get(cent)){
double[] doc = vecspace.get(d);
for(int i=0;i<updatec.length;i++)
updatec[i]+=doc[i];
}
for(int i=0;i<updatec.length;i++)
updatec[i]/=clusters.get(cent).size();
step.put(updatec,new TreeSet<Integer>());
}
//check break conditions
String oldcent="", newcent="";
for(double[] x:clusters.keySet())
oldcent+=Arrays.toString(x);
for(double[] x:step.keySet())
newcent+=Arrays.toString(x);
if(oldcent.equals(newcent)) go = false;
if(++iter >= maxiter) go = false;
}
System.out.println(clusters.toString().replaceAll("\\[[\\w@]+=",""));
if(iter<maxiter)
System.out.println("Converged in "+iter+" steps.");
else System.out.println("Stopped after "+maxiter+" iterations.");
System.out.println("");
//calculate similarity sum and map it to the clustering
double sumsim = 0;
for(double[] c:clusters.keySet()){
TreeSet<Integer> cl = clusters.get(c);
for(int vi:cl){
sumsim+=cosSim(c,vecspace.get(vi));
}
}
errorsums.put(sumsim,new HashMap<double[],TreeSet<Integer>>(clusters));
}
//pick the clustering with the maximum similarity sum and print the filenames and indices
System.out.println("Best Convergence:");
System.out.println(errorsums.get(errorsums.lastKey()).toString().replaceAll("\\[[\\w@]+=",""));
System.out.print("{");
for(double[] cent:errorsums.get(errorsums.lastKey()).keySet()){
System.out.print("[");
for(int pts:errorsums.get(errorsums.lastKey()).get(cent)){
System.out.print(filenames.get(pts).substring(0,filenames.get(pts).lastIndexOf(".txt"))+", ");
}
System.out.print("\b\b], ");
}
System.out.println("\b\b}");
}
static double cosSim(double[] a, double[] b){
double dotp=0, maga=0, magb=0;
for(int i=0;i<a.length;i++){
dotp+=a[i]*b[i];
maga+=Math.pow(a[i],2);
magb+=Math.pow(b[i],2);
}
maga = Math.sqrt(maga);
magb = Math.sqrt(magb);
double d = dotp / (maga * magb);
return d==Double.NaN?0:d;
}
static double tf(String[] doc, String term){
double n = 0;
for(String s:doc)
if(s.equalsIgnoreCase(term))
n++;
return n/doc.length;
}
static double idf(ArrayList<String[]> docs, String term){
double n = 0;
for(String[] x:docs)
for(String s:x)
if(s.equalsIgnoreCase(term)){
n++;
break;
}
return Math.log(docs.size()/n);
}
}
最佳答案
您可以使用 -Xmx... 作为 java.exe 的命令行参数来增加堆内存量;例如-Xmx1024m 将最大堆大小设置为 1024Mb。
关于java - 大数据集上的 k 均值导致堆内存溢出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17588373/
我正在编写一个具有以下签名的 Java 方法。 void Logger(Method method, Object[] args); 如果一个方法(例如 ABC() )调用此方法 Logger,它应该
我是 Java 新手。 我的问题是我的 Java 程序找不到我试图用作的图像文件一个 JButton。 (目前这段代码什么也没做,因为我只是得到了想要的外观第一的)。这是我的主课 代码: packag
好的,今天我在接受采访,我已经编写 Java 代码多年了。采访中说“Java 垃圾收集是一个棘手的问题,我有几个 friend 一直在努力弄清楚。你在这方面做得怎么样?”。她是想骗我吗?还是我的一生都
我的 friend 给了我一个谜语让我解开。它是这样的: There are 100 people. Each one of them, in his turn, does the following
如果我将使用 Java 5 代码的应用程序编译成字节码,生成的 .class 文件是否能够在 Java 1.4 下运行? 如果后者可以工作并且我正在尝试在我的 Java 1.4 应用程序中使用 Jav
有关于why Java doesn't support unsigned types的问题以及一些关于处理无符号类型的问题。我做了一些搜索,似乎 Scala 也不支持无符号数据类型。限制是Java和S
我只是想知道在一个 java 版本中生成的字节码是否可以在其他 java 版本上运行 最佳答案 通常,字节码无需修改即可在 较新 版本的 Java 上运行。它不会在旧版本上运行,除非您使用特殊参数 (
我有一个关于在命令提示符下执行 java 程序的基本问题。 在某些机器上我们需要指定 -cp 。 (类路径)同时执行java程序 (test为java文件名与.class文件存在于同一目录下) jav
我已经阅读 StackOverflow 有一段时间了,现在我才鼓起勇气提出问题。我今年 20 岁,目前在我的家乡(罗马尼亚克卢日-纳波卡)就读 IT 大学。足以介绍:D。 基本上,我有一家提供簿记应用
我有 public JSONObject parseXML(String xml) { JSONObject jsonObject = XML.toJSONObject(xml); r
我已经在 Java 中实现了带有动态类型的简单解释语言。不幸的是我遇到了以下问题。测试时如下代码: def main() { def ks = Map[[1, 2]].keySet()
一直提示输入 1 到 10 的数字 - 结果应将 st、rd、th 和 nd 添加到数字中。编写一个程序,提示用户输入 1 到 10 之间的任意整数,然后以序数形式显示该整数并附加后缀。 public
我有这个 DownloadFile.java 并按预期下载该文件: import java.io.*; import java.net.URL; public class DownloadFile {
我想在 GUI 上添加延迟。我放置了 2 个 for 循环,然后重新绘制了一个标签,但这 2 个 for 循环一个接一个地执行,并且标签被重新绘制到最后一个。 我能做什么? for(int i=0;
我正在对对象 Student 的列表项进行一些测试,但是我更喜欢在 java 类对象中创建硬编码列表,然后从那里提取数据,而不是连接到数据库并在结果集中选择记录。然而,自从我这样做以来已经很长时间了,
我知道对象创建分为三个部分: 声明 实例化 初始化 classA{} classB extends classA{} classA obj = new classB(1,1); 实例化 它必须使用
我有兴趣使用 GPRS 构建车辆跟踪系统。但是,我有一些问题要问以前做过此操作的人: GPRS 是最好的技术吗?人们意识到任何问题吗? 我计划使用 Java/Java EE - 有更好的技术吗? 如果
我可以通过递归方法反转数组,例如:数组={1,2,3,4,5} 数组结果={5,4,3,2,1}但我的结果是相同的数组,我不知道为什么,请帮助我。 public class Recursion { p
有这样的标准方式吗? 包括 Java源代码-测试代码- Ant 或 Maven联合单元持续集成(可能是巡航控制)ClearCase 版本控制工具部署到应用服务器 最后我希望有一个自动构建和集成环境。
我什至不知道这是否可能,我非常怀疑它是否可能,但如果可以,您能告诉我怎么做吗?我只是想知道如何从打印机打印一些文本。 有什么想法吗? 最佳答案 这里有更简单的事情。 import javax.swin
我是一名优秀的程序员,十分优秀!