數(shù)據(jù)分析課程設(shè)計(jì)報(bào)告論文終稿(編輯修改稿)
2025-07-25 14:17 本頁面
【文章內(nèi)容簡介】 Kmeans算發(fā) [J] .計(jì)算機(jī)工程，2007,33（3）：6566[4] MacQueen, James. Some methods for classification and analysis of multivariate observations. Proceedings of the fifth Berkeley symposium on mathematical statistics andprobability. Vol. 1. No. 281297. 1967．[5] 余立強(qiáng)．LAMP 架構(gòu)搭建與網(wǎng)站運(yùn)行實(shí)例［J］．網(wǎng)絡(luò)與信息，2011（8）：50－52[6] 吳夙慧， 成穎， 鄭彥寧， 潘云濤. Kmeans 算法研究綜述 [J] . 現(xiàn)代圖書情報(bào)技術(shù), 2011, (5)： 2835.附錄 譜系聚類法函數(shù)function f = test4()load D = pdist(X,39。minkowski39。)。G = linkage(D)。dendrogram(G)。T=cluster(G,3) function [cid,nr,centers] = xwKmeans(x,k,nc)% [CID,NR,CENTERS] = CSKMEANS(X,K,NC) Performs Kmeans% X輸入聚合數(shù)據(jù)% K通過觀察得到的經(jīng)驗(yàn)分組數(shù)據(jù)% 每行一個(gè)觀測，NC為聚類指數(shù)，來源于初始的聚類中心值，默認(rèn)情況下為隨機(jī)的觀測% 輸出: IDX為最終分類% nr為每個(gè)每個(gè)聚合的中心值% CENTERS is a matrix, where each row% corresponds to a cluster center.[n,d] = size(x)。if nargin 3 ind = ceil(n*rand(1,k))。nc = x(ind,:) + randn(k,d)。endcid = zeros(1,n)。 oldcid = ones(1,n)。nr = zeros(1,k)。 maxiter = 100。iter = 1。while ~isequal(cid,oldcid) amp。 iter maxiterfor i = 1:n dist = sum((repmat(x(i,:),k,1)nc).^2,2)。 [m,ind] = min(dist)。 cid(i) = ind。 end for i = 1:k ind = find(cid==i)。 nc(i,:) = mean(x(ind,:))。 nr(i) = length(ind)。end iter = iter + 1。endmaxiter = 2。iter = 1。move = 1。while iter maxiter amp。 move ~= 0 move = 0。for i = 1:n % 找到與所有聚合的距離 dist = sum((repmat(x(i,:),k,1)nc).^2,2)。 r = cid(i)。 dadj = nr./(nr+1).*dist39。 [m,ind] = min(dadj)。 %最小的就是聚合的分類 if ind ~= r cid(i) = ind。 ic = find(cid == ind)。 nc(ind,:) = mean(x(ic,:))。 move = 1。 endenditer = iter+1。endcenters = nc。if move == 0disp(39。初始化聚類后沒有點(diǎn)移動39。)elsedisp(39。初始化后開始進(jìn)行聚合分類39。)endcid =cid39。 function f = main (X,k)[n,d] = size(X)。 bn=round(n/k*rand)。%第一個(gè)隨機(jī)數(shù)在前
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1