系統(tǒng)聚類分析課程設(shè)計-資料下載頁
2025-06-04 11:19本頁面
【正文】 e1。 ocentre2 = ncentre2。 ocentre3 = ncentre3。 ocentre4 = ncentre4。 end end sample = uint8(sample)。 sample = reshape(sample,m,n)。 imshow(sample)。 編程操作結(jié)果 實驗 調(diào)用 前圖片 ： 實驗調(diào)用后結(jié)果截圖圖片： 第四章 K均值算法應(yīng)用與優(yōu)缺點 ① 在機械設(shè)備鐵路 監(jiān)測技術(shù)中的應(yīng)用。 ② 在人力資源管理中的應(yīng)用。 ③ 在商業(yè)銀行客戶分類中的應(yīng)用。 缺點 ① 在 Kmeans 算法中 K 是事先給定的，這個 K 值的選定是非常難以估計的。 ② 在 Kmeans 算法中，首先需要根據(jù)初始聚類中心 來確定一個初始劃分，然后對初始劃分進(jìn)行優(yōu)化。 ③ 從 Kmeans 算法框架可以看出，該算法需要不斷地進(jìn)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。 優(yōu)點： 本算法確定的 K 個劃分到達(dá)平方誤差最小。當(dāng)聚類是密集的，且類與類之間區(qū)別明顯時，效果較好。對于處理大數(shù)據(jù)集，這個算法是相對可伸縮和高效的，計算的復(fù)雜度為 O(NKt)，其中 N 是數(shù)據(jù)對象的數(shù)目， t 是迭代的次數(shù)。一般來說， KN， tN 。 第五 章 課程設(shè)計總結(jié) 通過此次課程設(shè)計，對空間分析中的聚 類分析有了更一步的了解和體會， 尤其是對系統(tǒng)聚類分析有了深刻的掌握，基于 Matlab 軟件的 方便性和語言的簡潔易懂性，基本完成了該次課程設(shè)計的程序 編 寫。 當(dāng)然，在課程設(shè)計主要是依據(jù)《空間分析》 及《模式識別導(dǎo)論》兩本所學(xué)課程教材中的聚類分析章節(jié) 來 參考 編寫的 ，空間聚類可以采用不同的算法過程。在分析之初假定 n個點自成一類，然后逐步合并，這樣在聚類的過程中，分類將越來越少，直至聚至一個適當(dāng)?shù)姆诸悢?shù)目，這一聚類過程稱之為系統(tǒng)聚類。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)。 設(shè)計算法思想和選用其中的最短距離的原則來進(jìn)行系統(tǒng)聚類， 我們已經(jīng)指出系統(tǒng)聚類方法首先將 n 個空間點看做是 n 個子群，然后根據(jù)所選用的聚類統(tǒng)計量來計算 n 個子群之間的關(guān)系。對于距離，計算 n個子群兩兩之間的距離，首先選擇距離最近的兩個子群（點）歸為一個新的子群，這樣就得到 n1 個子群兩兩之間的聚類統(tǒng)計量，繼續(xù)選擇距離最近的子群合并，再得到 n2個子群……，依此類推，直到所有的子群全部合并。 設(shè)計的程序也有不足之處，對于數(shù)據(jù)量大的空間聚類顯 得不實用，僅僅較適合數(shù)據(jù)小的系統(tǒng)聚類 ， 如上述小數(shù)據(jù)量的圖片的聚類分析， 對于提高 程序空間聚類分析能力，還待進(jìn)一步的研究。 主要參考文獻(xiàn) 1 郭仁忠，空間分析，北京：高等教育出版社， 2021 2 范久倫，趙鳳，等 .模式識別導(dǎo)論，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， 2021 4 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， 1980 5 郭仁忠， 張克權(quán) .q型聚類分析中變量相關(guān)性的處理方法分析，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， 2021
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1