基于isodata算法的iris數(shù)據(jù)分類(更新版)
【正文】 陣中第1列的聚類中心。該次迭代后，按相同的方法得到平均后的聚類中心矩陣。按照得到的新聚類中心，重新對原始數(shù)據(jù)進行聚類，得到center矩陣，并檢驗是否有類內(nèi)樣本個數(shù)過少的聚類中心，若沒有，對每類數(shù)據(jù)進行平均，得到更新后的聚類中心矩陣（即上圖中最后一center矩陣），第一次迭代完成。上圖中的第二個center矩陣即為已經(jīng)完成均值計算的每類的聚類中心?？梢钥闯鯥SODATA算法與C均值算法一樣，都是以與代表點的最小距離作為樣本聚類的依據(jù)，因此比較適合各類物體在特征空間以超球體分布的方式分布，對于分布形狀較復(fù)雜的情況需要采用別的度量?！ ∪绻瑒t轉(zhuǎn)向步驟8，執(zhí)行分裂步驟； 如果，則轉(zhuǎn)向步驟11，執(zhí)行合并步驟。為此設(shè)有最小類內(nèi)樣本數(shù)限制，以及類間中心距離參數(shù)。二．實驗原理C均值算法比較簡單，但它的自我調(diào)整能力也比較差。給出一個對類內(nèi)分量方差的限制參數(shù)，用以決定是否需要將某一類分裂成兩類。 步驟10(分裂計算步驟) 若任一個有，并且有(a) 且，或有(b) ，則把分裂成兩個聚類，其中心相應(yīng)為與，把原來的取消，且令，由于與值設(shè)置不當(dāng)將會導(dǎo)致影響到其它類別，因此與可按以下步驟計算： 給定一值，； 其中值應(yīng)使中的樣本到與的距離不同，但又應(yīng)使中的樣本仍然在分裂后的新樣本類中。三． 實驗過程及結(jié)果分析按照算法過程進行仿真，首先設(shè)置算法中所需要的控制參數(shù)，控制參數(shù)的選取有多種選擇組合，這里，我們先設(shè)置一組控制參數(shù)，對Iris data進行聚類，說明算法的實施過程以及對得到的結(jié)果進行分析。值得注意的是類別號即對應(yīng)為聚類中心在聚類中心矩陣center中的列數(shù)。之后的處理步驟與之前一致，得到平均后的聚類中心矩陣。值得注意的是，在第4次迭代時，進行平均后的聚類中心與為平均之前完全一致，說明第3次聚類結(jié)果與第4次聚類結(jié)果是完全一致的。第101到150號數(shù)據(jù)應(yīng)屬于一類，聚類結(jié)果顯示其中有14個數(shù)據(jù)被聚到
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1