基于k-means算法的平面點(diǎn)集聚類系統(tǒng)畢業(yè)設(shè)計(jì)-資料下載頁
2025-06-27 17:47本頁面
【正文】 以下是該模塊流程圖和關(guān)鍵代碼。 繪圖模塊流程圖 for(int i=0。iM。i++){ pDCMoveTo((X[N+i]+5)*20,460(Y[N+i]+1)*20)。 for(int j=0。jN。j++){ if(n[j]==i+1){ pDCLineTo((X[j]+5)*20,460(Y[j]+1)*20)。 pDCMoveTo((X[N+i]+5)*20,460(Y[N+i]+1)*20)。 } } } for(i=0。iN。i++){ pDCEllipse((X[i]+5)*20,460(Y[i]+1)*20,(X[i]++5)*20,460(Y[i]++1)*20)。 } pOldPen=pDCSelectObject(amp。pen[0])。 for(i=N。iN+M。i++) pDCEllipse((X[i]+5)*20,460(Y[i]+1)*20,(X[i]++5)*20,460(Y[i]++1)*20)。 pDCSelectObject(pOldPen)。 } 系統(tǒng)流程 界面設(shè)計(jì)系統(tǒng)的界面是以MFC對(duì)話框的形式設(shè)計(jì)的。 數(shù)據(jù)輸入界面。 數(shù)據(jù)輸出界面 結(jié)果輸出界面。 結(jié)果輸出界面 繪圖界面。 繪圖界面6 系統(tǒng)測(cè)試 測(cè)試實(shí)例的研究與選擇本次系統(tǒng)測(cè)試的數(shù)據(jù)為隨機(jī)抽取11個(gè)二維點(diǎn)進(jìn)行測(cè)試，11個(gè)樣本點(diǎn)分別為(1, 2), (9, 14), (15, 6), (2, 2), (2, 5), (3, 3), (10, 13), (10, 15), (11, 16), (16, 5), (16, 8)。測(cè)試環(huán)境與測(cè)試條件：系統(tǒng)配置：Windows 2000/XP；開發(fā)環(huán)境：；開發(fā)語言：C++。 實(shí)例測(cè)試對(duì)于上述測(cè)試實(shí)例，、。 中心點(diǎn)信息表X坐標(biāo)Y坐標(biāo)第一中心點(diǎn)22第二中心點(diǎn)1014第三中心點(diǎn)6 樣本點(diǎn)信息表X坐標(biāo)Y坐標(biāo)類屬中心點(diǎn)第一樣本點(diǎn)12類屬第一中心點(diǎn)第二樣本點(diǎn)914類屬第二中心點(diǎn)第三樣本點(diǎn)156類屬第三中心點(diǎn)第四樣本點(diǎn)22類屬第一中心點(diǎn)第五樣本點(diǎn)25類屬第一中心點(diǎn)第六樣本點(diǎn)33類屬第一中心點(diǎn)第七樣本點(diǎn)1013類屬第二中心點(diǎn)第八樣本點(diǎn)1015類屬第二中心點(diǎn)第九樣本點(diǎn)1116類屬第二中心點(diǎn)第十樣本點(diǎn)165類屬第三中心點(diǎn)第十一樣本點(diǎn)168類屬第三中心點(diǎn) 測(cè)試實(shí)例結(jié)果顯示 測(cè)試實(shí)例繪圖結(jié)果7 結(jié)論與展望聚類的應(yīng)用越來越廣泛， 在經(jīng)濟(jì)學(xué)、 生物學(xué)、氣象學(xué)、醫(yī)藥學(xué)、信息工程和工程技術(shù)等許多領(lǐng)域都有著十分重要的作用。本文以數(shù)據(jù)挖掘中的聚類分析為基礎(chǔ)，對(duì)算法的理論和應(yīng)用進(jìn)行了分析研究。首先對(duì)聚類分析的概念、聚類的過程、聚類算法的分類、聚類的準(zhǔn)則函數(shù)等進(jìn)行了詳細(xì)的介紹。其次，通過對(duì)現(xiàn)有的Kmeans聚類算法進(jìn)行了詳細(xì)的分析研究。在介紹了Kmeans算法的基本流程后，分析給出了Kmeans的優(yōu)點(diǎn)和缺陷。然后，也就是本文的工作重點(diǎn)，針對(duì)Kmeans算法的具體研究對(duì)算法進(jìn)行實(shí)現(xiàn)。在算法實(shí)現(xiàn)的過程中發(fā)現(xiàn)Kmeans算法的有四點(diǎn)不足：(1) 通過計(jì)算樣本間的距離來衡量它們間的相似度，而大值屬性往往左右樣本間的距離，所以該算法不適用于有大值屬性存在的數(shù)據(jù)集；(2) 對(duì)初始聚類中心和樣本的輸入順序敏感，不同的初始聚類中心或樣本的輸入順序不同，產(chǎn)生的聚類結(jié)果差別很大；(3) 采用迭代更新的方法，所以當(dāng)初始聚類中心落在局部值最小附近時(shí)，算法的結(jié)果生成的是局部最優(yōu)解而非全局最優(yōu)解；(4) 采用同一類中的所有對(duì)象的平均值作為聚類中心，所以算法的效果受孤立點(diǎn)的影響很大。由于此項(xiàng)技術(shù)應(yīng)用越來越廣泛，Kmeans算法的優(yōu)化也將越來越重要，本系統(tǒng)通過對(duì)Kmeans算法的實(shí)現(xiàn)和使用更能對(duì)Kmeans算法的優(yōu)缺點(diǎn)有更深體會(huì)，對(duì)優(yōu)化此算法會(huì)有一定幫助。參考文獻(xiàn)[1] 賈磊, 2006,第11期:4756[2] , 2009, 28(8):2831[3] 張建萍, 2007, 24(5) :166168[4] 李飛,薛彬, 2002, 29(7) :9496[5] 連鳳娜,吳錦林, 2008, 16(1) :3840[6] 譚勇,（自然科學(xué)版）, 2004, 22(1) :6971[7] [學(xué)位論文] .保存地點(diǎn):大連理工大學(xué), 2007[8] 毛韶陽, 2007, 43(22) :179181[9] 金微,:河海大學(xué)常州分校學(xué)報(bào), 2007, 3(21) :710[10] 周娟,熊忠陽, 2006. 6(26) :14251427[11] :機(jī)械工業(yè)出版社, 2005:35206[12] Bradley, Fayyad. Refining Initial Point for Kmeans Clustering. Proceedings of the Fifteenth International Conference on Machine Learning, 1998[13] 黃韜,劉勝輝,. //[14] 梁建武, (10) :1114[15] 韓凌波,王強(qiáng),蔣正鋒, 2010. 46(17) :150152[16] 王守強(qiáng), 2010. 31(7) :4652[17] 任景彪, 2010. 179(7) :8492[18] 于洪, 2010. 22(3) :254259[19] 苑津莎, 2009. 36(6) :98103[20] [學(xué)位論文] .保存地點(diǎn):武漢理工大學(xué), 2007致 謝本論文的工作是在我的指導(dǎo)老師葉娜老師的指導(dǎo)下完成的。感謝實(shí)驗(yàn)室的各位老師們。他們淵博的專業(yè)知識(shí)，嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度，對(duì)待工作刻苦努力的作風(fēng)對(duì)我產(chǎn)生了深遠(yuǎn)的影響。他們總是給我們開闊眼界的機(jī)會(huì)，他們不但教會(huì)了我們知識(shí)還教會(huì)了我們?cè)S多待人接物與為人處世的道理。在此表達(dá)我深深的敬意和謝意。感謝我的指導(dǎo)老師葉娜老師。葉老師身為研究生導(dǎo)師，本身有很多工作，她卻能在忙碌中指導(dǎo)我的畢業(yè)設(shè)計(jì)，在修改我的論文時(shí)也非常細(xì)致，讓我體會(huì)到她對(duì)待工作認(rèn)真的態(tài)度，對(duì)我產(chǎn)生重要的影響。向葉老師表達(dá)我深深地謝意。感謝我的同學(xué)們。感謝他們?cè)谖揖趩蕰r(shí)給予的支持和鼓勵(lì)，感謝他們?cè)谖倚枰獛椭鷷r(shí)沒有嫌麻煩，而是慷慨地給予一切可能的幫助。正是因?yàn)橛辛怂麄兾也拍茼樌耐瓿纱舜蔚漠厴I(yè)設(shè)計(jì)。感謝我的家人，感謝他們?nèi)Φ闹С治业膶W(xué)業(yè)。感謝在本科學(xué)習(xí)期間給予我?guī)椭椭笇?dǎo)的所有老師和同學(xué)們。感謝你們！
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1