- 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/
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我们可以说 O(K + (N-K)logK)相当于O(K + N logK)对于 1 < = K <= N ? 最佳答案 简短的回答是它们不等价,这取决于k 的值。如果k等于N,那么第一个复杂度是O(
我有以下解决方案,但我从其他评论者那里听说它是 O(N * K * K),而不是 O(N * K)其中 N 是 K 列表的(最大)长度,K 是列表的数量。例如,给定列表 [1, 2, 3] 和 [4,
我试图理解这些语法结构之间的语义差异。 if ((i% k) == (l % k) == 0) 和 if ((i % k) == 0 && (l % k) == 0) 最佳答案 您的特定表达式((i
我有时会使用一维数组: A = np.array([1, 2, 3, 4]) 或 2D 阵列(使用 scipy.io.wavfile 读取单声道或立体声信号): A = np.array([[1, 2
在文档聚类过程中,作为数据预处理步骤,我首先应用奇异向量分解得到U、S和Vt 然后通过选择适当数量的特征值,我截断了 Vt,这让我从阅读的内容中得到了很好的文档-文档相关性 here .现在我正在对矩
我问的是关于 Top K 算法的问题。我认为 O(n + k log n) 应该更快,因为……例如,如果您尝试插入 k = 300 和 n = 100000000,我们可以看到 O(n + k log
这个问题与另一个问题R:sample()密切相关。 。我想在 R 中找到一种方法来列出 k 个数字的所有排列,总和为 k,其中每个数字都是从 0:k 中选择的。如果k=7,我可以从0,1,...,7中
我目前正在评估基于隐式反馈的推荐系统。我对排名任务的评估指标有点困惑。具体来说,我希望通过精确度和召回率来进行评估。 Precision@k has the advantage of not requ
我在 Python 中工作,需要找到一种算法来生成所有可能的 n 维 k,k,...,k 数组,每个数组都沿轴有一行 1。因此,该函数接受两个数字 - n 和 k,并且应该返回一个数组列表,其中包含沿
我们有 N 对。每对包含两个数字。我们必须找到最大数 K,这样如果我们从给定的 N 对中取 J (1 2,如果我们选择三对 (1,2),我们只有两个不同的数字,即 1 和 2。 从一个开始检查每个可能
鉴于以下问题,我不能完全确定我当前的解决方案: 问题: 给定一个包含 n 元素的最大堆,它存储在数组 A 中,是否可以打印所有最大的 K 元素在 O(K*log(K)) 中? 我的回答: 是的,是的,
我明白了: val vector: RDD[(String, Array[String])] = [("a", {v1,v2,..}),("b", {u1,u2,..})] 想转换成: RDD[(St
我有 X 个正数,索引为 x_i。每个 x_i 需要进入 K 组之一(其中 K 是预先确定的)。令 S_j 为 K_j 中所有 x_i 的总和。我需要分配所有 x_i 以使所有 S_j 的方差最小化。
关闭。这个问题是not reproducible or was caused by typos .它目前不接受答案。 这个问题是由于错别字或无法再重现的问题引起的。虽然类似的问题可能是on-topi
我正在研究寻找原始数的算法,看到下面的语句,我不明白为什么。 while (k*k <= n) 优于 while (k <= Math.sqrt(n)) 是因为函数调用吗?该调用函数使用更多资源。 更
我想找到一种尽可能快的方法来将两个小 bool 矩阵相乘,其中小意味着 8x8、9x9 ... 16x16。这个例程会被大量使用,所以需要非常高效,所以请不要建议直截了当的解决方案应该足够快。 对于
有没有一种惯用的方法来获取 Set和 Function ,并获得 Map实时取景? (即 Map 由 Set 和 Function 组合支持,例如,如果将元素添加到 Set ,则相应的条目也存在于 M
这个问题在这里已经有了答案: Can a local variable's memory be accessed outside its scope? (20 个答案) returning addr
给定一个矩阵:- k = [1 2 3 ; 4 5 6 ; 7 8 NaN]; 如果我想用 0 替换一个数字,比如 2,我可以使用这个:k(k==2) =
我是一名优秀的程序员,十分优秀!