class="easyui-validatebox"
type="text"
id="group_input_id"
data-options="required:true"
style="width:300px"
value="web-inf/classes/centervector.dat" />
id="group_check_id"
href=""
class="easyui-linkbutton"
data-options="iconcls:'icon-note'">檢視a>
div>
style="padding-left: 30px;font-size: 15px;padding-top:10px;">
這裡的資料不包括過濾的資料以及未分類的資料,即只包含已分類的資料
div>
id="group_return_id"
style="padding-left: 30px;font-size: 20px;padding-top:10px;">
div>jsp頁面指定了資料的輸入檔案:web-inf/classes/centervector.dat
// group //檢視聚類中心及佔比
$('#group_check_id').bind('click', function
());
這裡使用getcenteranddisplay實現任務提交。
/**
* 獲取中心點並展示
* * @param url_
*/function getcenteranddisplay(url_),
async:true,
datatype:"json",
context : document.body,
success : function(data) else
$.messager.show();
}});
}
對應的action從這裡獲取:getcenteranddisplay(「cloud/cloud_groupcheck.action」);
/**
* 解析本地聚類中心資料,並獲得資料庫中分類資料佔比情況
* 返回前台顯示
*/public
void
groupcheck()catch(exception e)
utils.write2printwriter(json.tojsonstring(map));
return ;
}
utils.getlines的定義如下:
/**
* 獲得input的資料,每行作為乙個字串,全部資料放入list中
*@param input
*@return
*@throws ioexception
*/public
static listgetlines(string input) throws ioexception
br.close();
reader.close();
return list;
}
/**
* 獲取分類資料佔比
* *@param i
*@return
*/public listgetpercent(int k) );//查詢屬於聚類中心i的資料個數
sum += percents[i];//統計資料總數
hadoop求推薦好友 2度關係
推薦好友 a b,c,d b a,c,e a b ab cd a c ac bd a d ad bc b a ba ce b c bc ae b e be ac b d a e 已經直接可以排除ac是好友的情況了 不需要提前將相互關注的好友,只保留一條資料,因為即使是兩條在reduce中已經set去...
推薦演算法 聚類 DBSCAN
dbscan以乙個從未訪問過的任意起始資料點開始。這個點的領域是用距離 所有在 的點都是鄰點 來提取的。如果在這個鄰域中有足夠數量的點 根據minpoints 那麼聚類過程就開始了,並且當前的資料點成為新聚類中的第乙個點。否則,該點將被標記為雜訊 稍後這個雜訊點可能會成為聚類的一部分 在這兩種情況下...
Hadoop例項 二度人脈與好友推薦
頂點a b c到i分別是社交 的使用者,兩頂點之間的邊表示兩頂點代表的使用者之間相互關注。那麼如何根據使用者之間相互關注所構成的圖,來向每個使用者推薦好友呢?可能大家都聽說過六度人脈的說法,所謂六度人脈是指 地球上所有的人都可以通過五層以內的熟人鏈和任何其他人聯絡起來。通俗地講 你和任何乙個陌生人之...