系統(tǒng)聚類分析課程設(shè)計-預(yù)覽頁
【正文】 Zj(k),Zj(k)=式中，Nj為Sj(k)類中的樣本數(shù)。m，如果Zi(k+1)=Zi(k),則迭代結(jié)束，否則轉(zhuǎn)到第二步繼續(xù)迭代。具體程序代碼如下：%%讀取圖片Imag = imread(39。 %%將彩色圖片轉(zhuǎn)換為灰度圖片[m n] = size(sample)。 %%控制循環(huán)次數(shù)flag = 0。 %%選取第3類聚類中心ocentre4 = 255。 %fsample3 = 0。 dis = zeros(1,4)。 %%求到第1個聚類中心距離 dis(2) = abs(sample(i) ocentre2)。 %%求最小的距離 %選取最小值，第一個值給dis1，第二個值給dis2，判斷dis2dis1，則給dis2值于dis1，計算第三個距離給dis2，返回第三步，循環(huán) switch mindis case dis(1) %flag = cat(1,flag,1)。 num(1) = num(1) + 1。 fsample(2) = fsample(2) + sample(i)。 flag(i) = 3。 %%將標(biāo)記數(shù)組賦值4，該點屬于第4類 %fsample4 = cat(1,fsample4,sample(i))。 end end %%重新計算聚類中心 %[m1 n1] = size(fsample1)。 %ncentre1 = sum(fsample1)/(m1 1)。 %flag %fsample ncentre1 = fsample(1)/num(1)。 %flag(1) = []。amp。 case 2 sample(i) = 120。 else ocentre1 = ncentre1。 endendsample = uint8(sample)。② 在人力資源管理中的應(yīng)用。③ 從 Kmeans 算法框架可以看出，該算法需要不斷地進行樣本分類調(diào)整，不斷地計算調(diào)整后的新的聚類中心，因此當(dāng)數(shù)據(jù)量非常大時，算法的時間開銷是非常大的。一般來說，KN，tN 。顯然，距離是事物之間差異性的測度，差異性越大，則相似性越小，所以距離是系統(tǒng)聚類分析的依據(jù)和基礎(chǔ)。主要參考文獻1 郭仁忠，空間分析，北京：高等教育出版社，20012 范久倫，趙鳳，西安：西安電子科技大學(xué)出版社，3 張強，王正林，精通 MATLAB 圖像處理，電子工業(yè)出版社，20094 張克權(quán)，組合指標(biāo)分類方法簡介與分析，北京：測繪出版社，19805 郭仁忠，武漢測繪科技大學(xué)報，1987，12（3）6 薛山，MATLAB基礎(chǔ)教程，北京：清華大學(xué)出版社，2011
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1