系統(tǒng)聚類分析課程設計-資料下載頁
2025-01-13 16:33本頁面
【正文】 t = 1。 else ocentre1 = ncentre1。 ocentre2 = ncentre2。 ocentre3 = ncentre3。 ocentre4 = ncentre4。 endendsample = uint8(sample)。sample = reshape(sample,m,n)。imshow(sample)。實驗調用前圖片：實驗調用后結果截圖圖片：第四章 K均值算法應用與優(yōu)缺點① 在機械設備鐵路監(jiān)測技術中的應用。② 在人力資源管理中的應用。③ 在商業(yè)銀行客戶分類中的應用。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，然后對初始劃分進行優(yōu)化。③ 從 Kmeans 算法框架可以看出，該算法需要不斷地進行樣本分類調整，不斷地計算調整后的新的聚類中心，因此當數(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 個劃分到達平方誤差最小。當聚類是密集的，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 課程設計總結通過此次課程設計，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計的程序編寫。當然，在課程設計主要是依據(jù)《空間分析》及《模式識別導論》兩本所學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?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。設計算法思想和選用其中的最短距離的原則來進行系統(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，還待進一步的研究。主要參考文獻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：西安電子科技大學出版社，3 張強，王正林，精通 MATLAB 圖像處理，電子工業(yè)出版社，20094 張克權，組合指標分類方法簡介與分析，北京：測繪出版社，19805 郭仁忠，武漢測繪科技大學報，1987，12（3）6 薛山，MATLAB基礎教程，北京：清華大學出版社，2011
環(huán)評公示相關推薦
鄂ICP備17016276號-1