Robust/src/Benchmarks/SingleTM/KMeans/Cluster.java

   1 /* =============================================================================
   2  *
   3  * cluster.java
   4  *
   5  * =============================================================================
   6  *
   7  * Description:
   8  *
   9  * Takes as input a file, containing 1 data point per per line, and performs a
  10  * fuzzy c-means clustering on the data. Fuzzy clustering is performed using
  11  * min to max clusters and the clustering that gets the best score according to
  12  * a compactness and separation criterion are returned.
  13  *
  14  *
  15  * Author:
  16  *
  17  * Brendan McCane
  18  * James Cook University of North Queensland. Australia.
  19  * email: mccane@cs.jcu.edu.au
  20  *
  21  *
  22  * Edited by:
  23  *
  24  * Jay Pisharath, Wei-keng Liao
  25  * Northwestern University
  26  *
  27  * Chi Cao Minh
  28  * Stanford University
  29  *
  30  * Ported to Java:
  31  * Alokika Dash
  32  * University of California, Irvine
  33  *
  34  * =============================================================================
  35  *
  36  * For the license of kmeans, please see kmeans/LICENSE.kmeans
  37  *
  38  * ------------------------------------------------------------------------
  39  *
  40  * Unless otherwise noted, the following license applies to STAMP files:
  41  *
  42  * Copyright (c) 2007, Stanford University
  43  * All rights reserved.
  44  *
  45  * Redistribution and use in source and binary forms, with or without
  46  * modification, are permitted provided that the following conditions are
  47  * met:
  48  *
  49  *     * Redistributions of source code must retain the above copyright
  50  *       notice, this list of conditions and the following disclaimer.
  51  *
  52  *     * Redistributions in binary form must reproduce the above copyright
  53  *       notice, this list of conditions and the following disclaimer in
  54  *       the documentation and/or other materials provided with the
  55  *       distribution.
  56  *
  57  *     * Neither the name of Stanford University nor the names of its
  58  *       contributors may be used to endorse or promote products derived
  59  *       from this software without specific prior written permission.
  60  *
  61  * THIS SOFTWARE IS PROVIDED BY STANFORD UNIVERSITY ``AS IS'' AND ANY
  62  * EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  63  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR
  64  * PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL STANFORD UNIVERSITY BE LIABLE
  65  * FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR
  66  * CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF
  67  * SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS
  68  * INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN
  69  * CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)
  70  * ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF
  71  * THE POSSIBILITY OF SUCH DAMAGE.
  72 *
  73 * =============================================================================
  74 */
  75
  76 public class Cluster {
  77
  78   public Cluster() {
  79
  80   }
  81
  82   /* =============================================================================
  83    * extractMoments
  84    * =============================================================================
  85    */
  86   public static float[]
  87     extractMoments (float []data, int num_elts, int num_moments)
  88     {
  89       float[] moments = new float[num_moments];
  90
  91       //float mzero=0.0f;
  92       for (int i = 0; i < num_elts; i++) {
  93         //mzero += data[i];
  94         moments[0] += data[i];
  95       }
  96
  97       moments[0] = moments[0] / num_elts;
  98       for (int j = 1; j < num_moments; j++) {
  99         moments[j] = 0;
 100         for (int i = 0; i < num_elts; i++) {
 101           moments[j] += (float) Math.pow((data[i]-moments[0]), j+1);
 102         }
 103         moments[j] = moments[j] / num_elts;
 104       }
 105       return moments;
 106     }
 107
 108
 109   /* =============================================================================
 110    * zscoreTransform
 111    * =============================================================================
 112    */
 113   public static void
 114     zscoreTransform (float[][] data, /* in & out: [numObjects][numAttributes] */
 115         int     numObjects,
 116         int     numAttributes)
 117     {
 118       float[] moments;
 119       float[] single_variable = new float[numObjects];
 120       for (int i = 0; i < numAttributes; i++) {
 121         for (int j = 0; j < numObjects; j++) {
 122           single_variable[j] = data[j][i];
 123         }
 124         moments = extractMoments(single_variable, numObjects, 2);
 125         moments[1] = (float) Math.sqrt((double)moments[1]);
 126         for (int j = 0; j < numObjects; j++) {
 127           data[j][i] = (data[j][i]-moments[0])/moments[1];
 128         }
 129         moments=null;
 130       }
 131       single_variable=null;
 132     }
 133
 134
 135   /* =============================================================================
 136    * cluster_exec
 137    * =============================================================================
 138    */
 139   public static void
 140     cluster_exec (
 141         int      nthreads,               /* in: number of threads*/
 142         int      numObjects,             /* number of input objects */
 143         int      numAttributes,          /* size of attribute of each object */
 144         float[][]  attributes,           /* [numObjects][numAttributes] */
 145         KMeans kms,                      /* KMeans class hold the inputs and outputs */
 146         GlobalArgs args                  /* Global thread arguments */
 147         )
 148     {
 149       int itime;
 150       int nclusters;
 151
 152       float[][] tmp_cluster_centres;
 153       int[] membership = new int[numObjects];
 154
 155       Random randomPtr = new Random();
 156       randomPtr.random_alloc();
 157
 158       if (kms.use_zscore_transform == 1) {
 159         zscoreTransform(attributes, numObjects, numAttributes);
 160       }
 161
 162       itime = 0;
 163
 164       /*
 165        * From min_nclusters to max_nclusters, find best_nclusters
 166        */
 167       System.out.println("min_nclusters= " + kms.min_nclusters + " max_nclusters= " + kms.max_nclusters);
 168       for (nclusters = kms.min_nclusters; nclusters <= kms.max_nclusters; nclusters++) {
 169
 170         randomPtr.random_seed(7);
 171         args.nclusters = nclusters;
 172
 173         Normal norm = new Normal();
 174
 175         tmp_cluster_centres = norm.normal_exec(nthreads,
 176             attributes,
 177             numAttributes,
 178             numObjects,
 179             nclusters,
 180             kms.threshold,
 181             membership,
 182             randomPtr,
 183             args);
 184
 185         {
 186           kms.cluster_centres = tmp_cluster_centres;
 187           kms.best_nclusters = nclusters;
 188         }
 189
 190         itime++;
 191       } /* nclusters */
 192     }
 193 }
 194
 195 /* =============================================================================
 196  *
 197  * End of cluster.java
 198  *
 199  * =============================================================================
 200  */