系統(tǒng)聚類分析課程設(shè)計(jì)(參考版)
2025-01-16 16:33本頁(yè)面
【正文】 設(shè)計(jì)的程序也有不足之處，對(duì)于數(shù)據(jù)量大的空間聚類顯得不實(shí)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(duì)于提高程序空間聚類分析能力，還待進(jìn)一步的研究。設(shè)計(jì)算法思想和選用其中的最短距離的原則來(lái)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(gè)空間點(diǎn)看做是n個(gè)子群，然后根據(jù)所選用的聚類統(tǒng)計(jì)量來(lái)計(jì)算n個(gè)子群之間的關(guān)系。在分析之初假定n個(gè)點(diǎn)自成一類，然后逐步合并，這樣在聚類的過(guò)程中，分類將越來(lái)越少，直至聚至一個(gè)適當(dāng)?shù)姆诸悢?shù)目，這一聚類過(guò)程稱之為系統(tǒng)聚類。第五章 課程設(shè)計(jì)總結(jié)通過(guò)此次課程設(shè)計(jì)，對(duì)空間分析中的聚類分析有了更一步的了解和體會(huì)，尤其是對(duì)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(yǔ)言的簡(jiǎn)潔易懂性，基本完成了該次課程設(shè)計(jì)的程序編寫。對(duì)于處理大數(shù)據(jù)集，這個(gè)算法是相對(duì)可伸縮和高效的，計(jì)算的復(fù)雜度為O(NKt)，其中N是數(shù)據(jù)對(duì)象的數(shù)目，t是迭代的次數(shù)。優(yōu)點(diǎn)：本算法確定的K 個(gè)劃分到達(dá)平方誤差最小。② 在 Kmeans 算法中，首先需要根據(jù)初始聚類中心來(lái)確定一個(gè)初始劃分，然后對(duì)初始劃分進(jìn)行優(yōu)化。③ 在商業(yè)銀行客戶分類中的應(yīng)用。實(shí)驗(yàn)調(diào)用前圖片：實(shí)驗(yàn)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(diǎn)① 在機(jī)械設(shè)備鐵路監(jiān)測(cè)技術(shù)中的應(yīng)用。sample = reshape(sample,m,n)。 ocentre4 = ncentre4。 ocentre2 = ncentre2。 end end t = 1。 case 3 sample(i) = 180。 ncentre4 == ocentre4 for i = 1:m*n switch flag(i) case 1 sample(i) = 60。 ncentre3 == ocentre3 amp。 ncentre2 == ocentre2... amp。 if ncentre1 == ocentre1 amp。 ncentre4 = fsample(4)/num(4)。 ncentre2 = fsample(2)/num(2)。 %ncentre4 = sum(fsample4)/(m4 1)。 %ncentre2 = sum(fsample2)/(m2 1)。 %[m4 n4] = size(fsample4)。 %[m2 n2] = size(fsample2)。 num(4) = num(4) + 1。 flag(i) = 4。 case dis(4) %flag = cat(1,flag,4)。 fsample(3) = fsample(3) + sample(i)。 %
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1