基于isodata算法的iris數(shù)據(jù)分類-免費(fèi)閱讀
【正文】 可以看到，在迭代到第8次時，結(jié)果已收斂，聚類完成。最后得到的聚類中心如下所示：按照該聚類中心，對數(shù)據(jù)進(jìn)行聚類，結(jié)果如下：以上是對150個原始數(shù)據(jù)分類的結(jié)果，前4列為每個數(shù)據(jù)的4個特征，第5列為該數(shù)據(jù)的序號，第6列為該數(shù)據(jù)聚類結(jié)果。3個聚類中心的兩兩距離也都大于合并閾值，所以也不進(jìn)行合并處理。合并后得到新的聚類中心矩陣newcenter，可看到，新的矩陣相對于之前的聚類中心矩陣，少了2列。完成聚類后，計算每類的均值，作為該類新的聚類中心。以上是整個ISODATA算法的計算步驟。步驟2(分類) 對所有樣本，按給定的個聚類中心，以最小距離進(jìn)行分類，即若 步驟3(撤消類內(nèi)樣本數(shù)過小類別) 若有任何一個類，其樣本數(shù)，則舍去，令，將原樣本分配至其它類； 步驟4(更新均值向量) 按現(xiàn)有樣本分類結(jié)果，調(diào)整均值參數(shù) 步驟5(計算類內(nèi)平均距離) 每類中各樣本離開均值的平均距離 步驟6(計算整個樣本集偏離均值的平均距離) 步驟7(入口選擇) 如這是最后一次迭代(取決于迭代上限)，則轉(zhuǎn)步驟11，并設(shè)置，防止合并發(fā)生。合并主要發(fā)生在某一類內(nèi)樣本個數(shù)太少的情況，或兩類聚類中心之間距離太小的情況。這主要表現(xiàn)在類別數(shù)不能改變，受代表點(diǎn)初始選擇的影響也比較大?！ ?，因而需要設(shè)置若干個控制用參數(shù)，如聚類數(shù)期望值，每次迭代允許合并的最大聚類對數(shù)、及允許迭代次數(shù)等?！ 〔襟E11(計算類間聚類中心距離) 類與類的類間距離
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1