- 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?
我在Internet上找到了以下代码。我认为类型转换存在问题。
我试图解决其中的一些问题,但仍然很少有人可以解决。
import java.util.ArrayList;
import java.util.List;
import java.util.Random;
public class Cluster {
public List points;
public Point centroid;
public int id;
//Creates a new Cluster
public Cluster(int id) {
this.id = id;
this.points = new ArrayList();
this.centroid = null;
}
public List getPoints() {
return points;
}
public void addPoint(Point point) {
points.add(point);
}
public void setPoints(List points) {
this.points = points;
}
public Point getCentroid() {
return centroid;
}
public void setCentroid(Point centroid) {
this.centroid = centroid;
}
public int getId() {
return id;
}
public void clear() {
points.clear();
}
public void plotCluster() {
System.out.println("[Cluster: " + id+"]");
System.out.println("[Centroid: " + centroid + "]");
System.out.println("[Points: \n");
for(Point p : points) {
System.out.println(p);
}
System.out.println("]");
}
}
public class Point {
private double x = 0;
private double y = 0;
private int cluster_number = 0;
public Point(double x, double y)
{
this.setX(x);
this.setY(y);
}
public void setX(double x) {
this.x = x;
}
public double getX() {
return this.x;
}
public void setY(double y) {
this.y = y;
}
public double getY() {
return this.y;
}
public void setCluster(int n) {
this.cluster_number = n;
}
public int getCluster() {
return this.cluster_number;
}
//Calculates the distance between two points.
protected static double distance(Point p, Point centroid) {
return Math.sqrt(Math.pow((centroid.getY() - p.getY()), 2) + Math.pow((centroid.getX() - p.getX()), 2));
}
//Creates random point
protected static Point createRandomPoint(int min, int max) {
Random r = new Random();
double x = min + (max - min) * r.nextDouble();
double y = min + (max - min) * r.nextDouble();
return new Point(x,y);
}
protected static List createRandomPoints(int min, int max, int number) {
List points = new ArrayList(number);
for(int i = 0; i < number; i++) {
points.add(createRandomPoint(min,max));
}
return points;
}
public String toString() {
return "("+x+","+y+")";
}
}
public class KMeans {
//Number of Clusters. This metric should be related to the number of points
private int NUM_CLUSTERS = 3;
//Number of Points
private int NUM_POINTS = 15;
//Min and Max X and Y
private static final int MIN_COORDINATE = 0;
private static final int MAX_COORDINATE = 10;
private List points;
private List clusters;
public KMeans() {
this.points = new ArrayList();
this.clusters = new ArrayList();
}
public static void main(String[] args) {
KMeans kmeans = new KMeans();
kmeans.init();
kmeans.calculate();
}
//Initializes the process
public void init() {
//Create Points
points = Point.createRandomPoints(MIN_COORDINATE,MAX_COORDINATE,NUM_POINTS);
//Create Clusters
//Set Random Centroids
for (int i = 0; i < NUM_CLUSTERS; i++) {
Cluster cluster = new Cluster(i);
Point centroid = Point.createRandomPoint(MIN_COORDINATE,MAX_COORDINATE);
cluster.setCentroid(centroid);
clusters.add(cluster);
}
//Print Initial state
plotClusters();
}
private void plotClusters() {
for (int i = 0; i < NUM_CLUSTERS; i++) {
Cluster c = clusters.get(i);
c.plotCluster();
}
}
//The process to calculate the K Means, with iterating method.
public void calculate() {
boolean finish = false;
int iteration = 0;
// Add in new data, one at a time, recalculating centroids with each new one.
while(!finish) {
//Clear cluster state
clearClusters();
List lastCentroids = getCentroids();
//Assign points to the closer cluster
assignCluster();
//Calculate new centroids.
calculateCentroids();
iteration++;
List currentCentroids = getCentroids();
//Calculates total distance between new and old Centroids
double distance = 0;
for(int i = 0; i < lastCentroids.size(); i++) {
distance += Point.distance(lastCentroids.get(i),currentCentroids.get(i));
}
System.out.println("#################");
System.out.println("Iteration: " + iteration);
System.out.println("Centroid distances: " + distance);
plotClusters();
if(distance == 0) {
finish = true;
}
}
}
private void clearClusters() {
for(Cluster cluster : clusters) {
cluster.clear();
}
}
private List getCentroids() {
List centroids = new ArrayList(NUM_CLUSTERS);
for(Cluster cluster : clusters) {
Point aux = cluster.getCentroid();
Point point = new Point(aux.getX(),aux.getY());
centroids.add(point);
}
return centroids;
}
private void assignCluster() {
double max = Double.MAX_VALUE;
double min = max;
int cluster = 0;
double distance = 0.0;
for(Point point : points) {
min = max;
for(int i = 0; i < NUM_CLUSTERS; i++) {
Cluster c = clusters.get(i);
distance = Point.distance(point, c.getCentroid());
if(distance < min){
min = distance;
cluster = i;
}
}
point.setCluster(cluster);
clusters.get(cluster).addPoint(point);
}
}
private void calculateCentroids() {
for(Cluster cluster : clusters) {
double sumX = 0;
double sumY = 0;
List list = cluster.getPoints();
int n_points = list.size();
for(Point point : list) {
sumX += point.getX();
sumY += point.getY();
}
Point centroid = cluster.getCentroid();
if(n_points > 0) {
double newX = sumX / n_points;
double newY = sumY / n_points;
centroid.setX(newX);
centroid.setY(newY);
}
}
}
}
java:45: warning: [unchecked] unchecked call to add(E) as a member of the raw type List
clusters.add(cluster);
^
where E is a type-variable:
E extends Object declared in interface List
/tmp/java_kmNqUn/KMeans.java:54: error: incompatible types: Object cannot be converted to Cluster
Cluster c = clusters.get(i);
^
/tmp/java_kmNqUn/KMeans.java:84: error: incompatible types: Object cannot be converted to Point
distance += Point.distance(lastCentroids.get(i),currentCentroids.get(i));
^
/tmp/java_kmNqUn/KMeans.java:98: error: incompatible types: Object cannot be converted to Cluster
for(Cluster cluster : clusters) {
^
/tmp/java_kmNqUn/KMeans.java:105: error: incompatible types: Object cannot be converted to Cluster
for(Cluster cluster : clusters) {
^
/tmp/java_kmNqUn/KMeans.java:108: warning: [unchecked] unchecked call to add(E) as a member of the raw type List
centroids.add(point);
^
where E is a type-variable:
E extends Object declared in interface List
/tmp/java_kmNqUn/KMeans.java:119: error: incompatible types: Object cannot be converted to Point
for(Point point : points) {
^
/tmp/java_kmNqUn/KMeans.java:122: error: incompatible types: Object cannot be converted to Cluster
Cluster c = clusters.get(i);
^
/tmp/java_kmNqUn/KMeans.java:130: error: cannot find symbol
clusters.get(cluster).addPoint(point);
^
symbol: method addPoint(Point)
location: class Object
/tmp/java_kmNqUn/KMeans.java:135: error: incompatible types: Object cannot be converted to Cluster
for(Cluster cluster : clusters) {
^
/tmp/java_kmNqUn/KMeans.java:141: error: incompatible types: Object cannot be converted to Point
for(Point point : list) {
^
/tmp/java_kmNqUn/Point.java:61: warning: [unchecked] unchecked call to add(E) as a member of the raw type List
points.add(createRandomPoint(min,max));
^
where E is a type-variable:
E extends Object declared in interface List
/tmp/java_kmNqUn/Cluster.java:27: warning: [unchecked] unchecked call to add(E) as a member of the raw type List
points.add(point);
^
where E is a type-variable:
E extends Object declared in interface List
/tmp/java_kmNqUn/Cluster.java:54: error: incompatible types: Object cannot be converted to Point
for(Point p : points) {
^
Note: Some messages have been simplified; recompile with -Xdiags:verbose to get full output
10 errors
4 warnings*
最佳答案
您应该避免使用没有任何类型参数的List
类型。您应该改用List<SomeType>
(用相关类型替换SomeType
)。
关于java - 使用Java的K均值聚类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40950162/
我想获取每一行某些列的平均值。 我有此数据: w=c(5,6,7,8) x=c(1,2,3,4) y=c(1,2,3) length(y)=4 z=data.frame(w,x,y) 哪个返回:
类似于Numpy mean with condition我的问题将其扩展到对矩阵进行操作:计算矩阵 rdat 的行均值,跳过某些单元格 - 在本例中我使用 0 作为要跳过的单元格 - 就好像这些值从一
我有一个数据集,其中的列标题为产品名称、品牌、评级(1:5)、评论文本、评论有用性。我需要的是提出一个使用评论的推荐算法。我这里必须使用 python 进行编码。数据集采用.csv 格式。 为了识别数
我在 R^3 中有 n 个点,我想用 k 个椭球体或圆柱体覆盖它们(我不在乎;以更容易的为准)。我想大约最小化卷的并集。假设 n 是数万,k 是少数。开发时间(即简单性)比运行时更重要。 显然我可以运
我创建了一个计算均值、中位数和方差的程序。该程序最多接受 500 个输入。当有 500 个输入(我的数组的最大大小)时,我的所有方法都能完美运行。当输入较少时,只有“平均值”计算器起作用。这是整个程序
我已经完成了距离的计算并存储在推力 vector 中,例如,我有 2 个质心和 5 个数据点,我计算距离的方法是,对于每个质心,我首先计算 5 个数据点的距离并存储在阵列,然后与距离一维阵列中的另一个
下面的代码适用于每一列的总数,但我想计算出每个物种的平均值。 # Read data file into array data = numpy.genfromtxt('data/iris.csv',
我有一个独特的要求,我需要两个数据帧的公共(public)列(每行)的平均值。 我想不出这样做的 pythonic 方式。我知道我可以遍历两个数据框并找到公共(public)列,然后获取键匹配的行的平
我把它扔在那里,希望有人会尝试过这种荒谬的事情。我的目标是获取输入图像,并根据每个像素周围小窗口的标准差对其进行分割。基本上,这在数学上应该类似于高斯或盒式过滤器,因为它将应用于编译时(甚至运行时)用
有没有一种方法可以对函数进行向量化处理,使输出成为均值数组,其中每个均值代表输入数组的 0 索引值的均值?循环这个非常简单,但我正在努力尽可能高效。例如0 = 均值(0),1 = 均值(0-1),N
我正在尝试生成均值为 1 的指数分布随机数。我知道如何获取具有均值和标准差的正态分布随机数。我们可以通过normal(mean, standard_deviation)得到它,但是我不知道如何得到指数
我遇到了一段 Python 代码,它的内容类似于以下内容: a = np.array([1,2,3,4,5,6,7]) a array([1, 2, 3, 4, 5, 6, 7]) np.mean(a
我有两个数组。 x 是独立变量,counts 是 x 出现的次数,就像直方图一样。我知道我可以通过定义一个函数来计算平均值: def mean(x,counts): return np.sum
我有在纯 python 中计算平均速度的算法: speed = [...] avg_speed = 0.0 speed_count = 0 for i in speed: if i > 0:
我正在尝试计算扩展窗口的平均值,但是数据结构使得之前的答案至少缺少一点所需的内容(最接近的是:link)。 我的数据看起来像这样: Company TimePeriod IndividualID
我正在尝试实现 Kmeans python中的算法将使用cosine distance而不是欧几里得距离作为距离度量。 我知道使用不同的距离函数可能是致命的,应该小心使用。使用余弦距离作为度量迫使我改
有谁知道自组织映射 (SOM) 与 k 均值相比效果如何?我相信通常在颜色空间(例如 RGB)中,SOM 是将颜色聚类在一起的更好方法,因为视觉上不同的颜色之间的颜色空间存在重叠( http://ww
注意:我希望能得到更多有关如何处理和提出此类解决方案的指南,而不是解决方案本身。 我的系统中有一个非常关键的功能,它在特定上下文中显示为排名第一的分析热点。它处于 k-means 迭代的中间(已经是多
我有一个 pandas 数据框,看起来像这样: 给定行中的每个值要么是相同的数字,要么是 NaN。我想计算数据框中所有两列组合的平均值、中位数和获取计数,其中两列都不是 NaN。 例如,上述数据帧的结
任何人都知道如何调整简单的 K 均值算法来处理 this form 的数据集. 最佳答案 在仍然使用 k-means 的同时处理该形式的数据的最直接方法是使用 k-means 的内核化版本。 JSAT
我是一名优秀的程序员,十分优秀!