系統(tǒng)聚類(lèi)分析課程設(shè)計(jì)(更新版)
【正文】 1)。 flag(i) = 4。 num(2) = num(2) + 1。 %%將標(biāo)記數(shù)組賦值1，該點(diǎn)屬于第1類(lèi) %fsample1 = cat(1,fsample1,sample(i))。 for i = 1:m*n %a = 5 2。 %%選取第4類(lèi)聚類(lèi)中心sample = double(sample)。 %%讀取圖片的維數(shù)sample = reshape(sample,m*n,1)。這種算法的結(jié)果受到所選聚類(lèi)中心的數(shù)目和其初始位置以及模式分布的幾何性質(zhì)和讀入次序等因素的影響，并且在迭代過(guò)程中又沒(méi)有調(diào)整類(lèi)數(shù)的措施，因此可能產(chǎn)生不同的初始分類(lèi)得到不同的結(jié)果，這是這種方法的缺點(diǎn)。Zm所有像元分到m個(gè)集群中心計(jì)算新的集群中心聚類(lèi)中心不變結(jié)束具體的計(jì)算步驟如下：假設(shè)圖像上的目標(biāo)要分為m類(lèi)，m為已知數(shù)。Kmeans算法以歐式距離作為相似度測(cè)度，它是求對(duì)應(yīng)某一初始聚類(lèi)中心向量V最有分類(lèi)，使得評(píng)價(jià)指標(biāo)J最小。 ③ 極大值標(biāo)準(zhǔn)化經(jīng)過(guò)這種標(biāo)準(zhǔn)化所得的新數(shù)據(jù)，各要素的極大值為1，其余各數(shù)值小于1。 常見(jiàn)的聚類(lèi)分析方法有系統(tǒng)聚類(lèi)法、動(dòng)態(tài)聚類(lèi)法和模糊聚類(lèi)法等。研究的是系統(tǒng)聚類(lèi)算法的分析及編程實(shí)現(xiàn)，空間聚類(lèi)的目的是對(duì)空間物體的集群性進(jìn)行分析，將其分為幾個(gè)不同的子群（類(lèi)）。它們所對(duì)應(yīng)的要素?cái)?shù)據(jù)可用 。 選擇不同的距離，聚類(lèi)結(jié)果會(huì)有所差異。其基本思想是：通過(guò)迭代，主次移動(dòng)各類(lèi)的中心，直到得到最好的 聚類(lèi)為止。第三步：由第二步得到Sj(k)類(lèi)新的中心Zj(k),Zj(k)=式中，Nj為Sj(k)類(lèi)中的樣本數(shù)。具體程序代碼如下：%%讀取圖片Imag = imread(39。 %%控制循環(huán)次數(shù)flag = 0。 %fsample3 = 0。 %%求到第1個(gè)聚類(lèi)中心距離 dis(2) = abs(sample(i) ocentre2)。 num(1) = num(1) + 1。 flag(i) = 3。 end end %%重新計(jì)算聚類(lèi)中心 %[m1 n1] = size(fsample1)。 %flag %fsample ncentre1 = fsample(1)/num(1)。amp。 else ocentre1 = ncentre1。② 在人力資源管理中的應(yīng)用。一般來(lái)說(shuō)，KN，tN 。主要參考文獻(xiàn)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(qiáng)，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(lèi)方法簡(jiǎn)介與分析，北京：測(cè)繪出版社，19805 郭仁忠，武漢測(cè)繪科技大學(xué)報(bào)，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(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1