离散数学最邻近算法实验报告Word文档下载推荐.docx
《离散数学最邻近算法实验报告Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《离散数学最邻近算法实验报告Word文档下载推荐.docx（24页珍藏版）》请在冰豆网上搜索。
//与测试元组的距离
privateStringc;
//所属类别
publicKNNNode（intindex,doubledistance,Stringc）
{
super（）;
this.index=index;
this.distance=distance;
this.c=c;
}
publicintgetIndex（）
returnindex;
publicvoidsetIndex（intindex）
publicdoublegetDistance（）
returndistance;
publicvoidsetDistance（doubledistance）
publicStringgetC（）
returnc;
publicvoidsetC（Stringc）
}
//KNN算法主体类
classKNN
/**
*设置优先级队列的比较函数，距离越大，优先级越高
*/
privateComparator<
KNNNode>
comparator=newComparator<
（）
publicintcompare（KNNNodeo1,KNNNodeo2）
{
if（o1.getDistance（）>
=o2.getDistance（））
{
return-1;
}
else
return1;
}
};
*获取K个不同的随机数
*@paramk随机数的个数
*@parammax随机数最大的范围
*@return生成的随机数数组
publicList<
Integer>
getRandKNum（intk,intmax）
List<
rand=newArrayList<
（k）;
for（inti=0;
i<
k;
i++）
inttemp=（int）（Math.random（）*max）;
if（!
rand.contains（temp））
rand.add（temp）;
i--;
returnrand;
*计算测试元组与训练元组之前的距离
*@paramd1测试元组
*@paramd2训练元组
*@return距离值
*/
publicdoublecalDistance（List<
Double>
d1,List<
d2）
doubledistance=0.00;
d1.size（）;
distance+=（d1.get（i）-d2.get（i））*（d1.get（i）-d2.get（i））;
*执行KNN算法，获取测试元组的类别
*@paramdatas训练数据集
*@paramtestData测试元组
*@paramk设定的K值
*@return测试元组的类别
publicStringknn（List<
List<
>
datas,List<
testData,intk）
PriorityQueue<
pq=newPriorityQueue<
（k,comparator）;
randNum=getRandKNum（k,datas.size（））;
intindex=randNum.get（i）;
List<
currData=datas.get（index）;
Stringc=currData.get（currData.size（）-1）.toString（）;
KNNNodenode=newKNNNode（index,calDistance（testData,currData）,c）;
pq.add（node）;
datas.size（）;
t=datas.get（i）;
doubledistance=calDistance（testData,t）;
KNNNodetop=pq.peek（）;
if（top.getDistance（）>
distance）
pq.remove（）;
pq.add（newKNNNode（i,distance,t.get（t.size（）-1）.toString（）））;
returngetMostClass（pq）;
*获取所得到的k个最近邻元组的多数类
*@parampq存储k个最近近邻元组的优先级队列
*@return多数类的名称
privateStringgetMostClass（PriorityQueue<
pq）
Map<
String,Integer>
classCount=newHashMap<
（）;
intpqsize=pq.size（）;
pqsize;
KNNNodenode=pq.remove（）;
Stringc=node.getC（）;
if（classCount.containsKey（c））
classCount.put（c,classCount.get（c）+1）;
classCount.put（c,1）;
intmaxIndex=-1;
intmaxCount=0;
Object[]classes=classCount.keySet（）.toArray（）;
classes.length;
if（classCount.get（classes[i]）>
maxCount）
maxIndex=i;
maxCount=classCount.get（classes[i]）;
returnclasses[maxIndex].toString（）;
classKNNFrame
{
privateJFrameframe1=newJFrame（"
KNN最邻近算法"
）;
privateJLabellabel1=newJLabel（"
为了方便显示算法可视化，请按照如下步骤操作完成！
"
privateJLabellabel2=newJLabel（"
第一步：
请在表格中输入训练数据。
privateJLabellabel3=newJLabel（"
第二步：
请在表格中输入测试元组数据。
privateJLabellabel4=newJLabel（"
最后一步：
显示比较训练元组和测试元组的相似度类别。
privateJButtonbutton1=newJButton（"
现在去输入"
privateJButtonbutton2=newJButton（"
privateJButtonbutton3=newJButton（"
立刻显示"
//错误窗口。
privateJFrameframe5=newJFrame（"
错误窗口！
privateJLabellabel5=newJLabel（）;
publicstaticintbiaoji_1=0;
//标记1。
publicstaticintbiaoji_2=0;
//标记2。
publicKNNFrame（）
{
frame1.setSize（700,500）;
frame1.setLocation（400,100）;
frame1.setVisible（true）;
frame1.setLayout（null）;
frame1.addWindowListener（newWindowAdapter（）{
publicvoidwindowClosing（WindowEventex）
{
System.exit
（1）;
}
}）;
label1.setFont（newFont（"
Serif"
Font.BOLD,25））;
label1.setBounds（30,1,670,50）;
label1.setForeground（Color.RED）;
frame1.add（label1）;
label2.setFont（newFont（"
Font.BOLD,20））;
label2.setBounds（5,50,500,50）;
label2.setForeground（Color.BLUE）;
frame1.add（label2）;
button1.setBounds（100,100,150,50）;
frame1.add（button1）;
label3.setFont（newFont（"
label3.setBounds（5,170,500,50）;
label3.setForeground（Color.BLUE）;
frame1.add（label3）;
button2.setBounds（100,220,150,50）;
frame1.add（button2）;
label4.setFont（newFont（"
label4.setBounds（5,300,600,50）;
label4.setForeground（Color.BLUE）;
frame1.add（label4）;
button3.setBounds（100,350,150,50）;
frame1.add（button3）;
//按钮一监听表格中输入的训练数据。
button1.addActionListener（newActionListener（）{
publicvoidactionPerformed（ActionEventevt）
biaoji_1=1;
newKNNFrame_1（）;
//按钮二监听表格中输入测试元组的数据。
button2.addActionListener（newActionListener（）{
biaoji_2=1;
newKNNFrame_2（）;
//按钮三显示比较训练元组和测试元组的相似度类别。
button3.addActionListener（newActionListener（）{
if（biaoji_1==1&
&
biaoji_2==1）
newKNNFrame_3（）;
else
{
//显示错误窗口。
frame5.setSize（600,150）;
frame5.setLocation（450,300）;
frame5.setVisible（true）;
frame5.setLayout（null）;
frame5.addWindowListener（newWindowAdapter（）{
publicvoidwindowClosing（WindowEventex）
{
frame5.dispose（）;
}
}）;
label5.setFont（newFont（"
Font.BOLD,15））;
label5.setForeground（Color.RED）;
label5.setBounds（5,50,595,20）;
label5.setText（"
请先完成以上操作，在表格中输入相关数据，确认数据后再确定相似度类别！
！
frame5.add（label5）;
}
}
}
//按钮一窗口。
classKNNFrame_1
privateJFrameframe2=newJFrame（"
请先输入表格的相关信息。
表格的行数：
privateJTextFieldtext1=newJTextField（）;
表格的列数：
privateJTextFieldtext2=newJTextField（）;
确定"
确定表格数据"
privateJScrollPanescrollPane1=null;
privateJTabletable1=null;
publicstaticdoubletraining_data[][];
//存储训练数据。
publicKNNFrame_1（）
frame2.setSize（600,540）;
frame2.setLocation（450,150）;
frame2.setVisible（true）;
frame2.setLayout（null）;
frame2.addWindowListener（newWindowAdapter（）{
frame2.dispose（）;
label1.setBounds（150,1,500,50）;
frame2.add（label1）;
label2.setBounds（100,50,100,30）;
frame2.add（label2）;
text1.setBounds（200,50,50,30）;
frame2.add（text1）;
label3.setBounds（100,90,100,30）;
frame2.add（label3）;
text2.setBounds（200,90,50,30）;
frame2.add（text2）;
button1.setBounds（270,60,150,50）;
frame2.add（button1）;
label4.setBounds（150,130,500,30）;
frame2.add（label4）;
button2.setBounds（200,430,180,50）;
frame2.add（button2）;
try
biaoji_1=1;
//行数。
Stringrow=text1.getText（）;
introwi=Integer.parseInt（row）;
//列数。
Stringcolumn=text2.getText（）;
intcolumnj=Integer.parseInt（column）;
//用表格显示数据。
Stringtitles[]=newString[columnj];
for（intj=0;
j<
columnj-1;
j++）
titles[j]="
训练数据"
+（j+1）;
titles[columnj-1]="
类别"
;
StringuserInfo[][]=newString[rowi][columnj];
DefaultTableModeltableModel=newDefaultTableModel（userInfo,titles）;
table1=newJTable（tableModel）;
scrollPane1=newJScrollPane（table1）;
scrollPane1.setBounds（10,170,580,250）;
frame2.add（scrollPane1）;
}catch（Exceptione）
e.printStackTrace（）;
if（biaoji_1==1）
//设置表格为不可编辑。
table1.getCellEditor（）.stopCellEditing（）;
table1.setRowSelectionInterval（0,0）;
table1.setEnabled（false）;
//获取表格中的数据。
升级会员 