基于isodata算法的iris數(shù)據(jù)分類-文庫吧資料
2025-06-24 14:37本頁面
【正文】 對每類數(shù)據(jù)進(jìn)行平均，得到更新后的聚類中心矩陣（即上圖中最后一center矩陣），第一次迭代完成。由結(jié)果觀察到，第3,4類進(jìn)行合并，第6,7類進(jìn)行合并。進(jìn)入合并步驟不代表一定進(jìn)行合并處理，當(dāng)兩類的距離小于合并閾值(thmerge=)時，才進(jìn)行合并處理。每一列代表2類之間的距離，第一行為距離，第2，3行為兩類的類別。上圖中的第二個center矩陣即為已經(jīng)完成均值計(jì)算的每類的聚類中心。將類內(nèi)個數(shù)過少（小于10）的聚類中心刪除，并對所有數(shù)據(jù)依照調(diào)整后聚類中心重新進(jìn)行聚類。參數(shù)設(shè)置如下圖所示：其中，確定初始聚類中心個數(shù)后，在150個原始數(shù)據(jù)中隨機(jī)挑選10個作為聚類中心，然后對原始150個數(shù)據(jù)以該10個聚類中心以最小距離進(jìn)行聚類。它們的另一個不同點(diǎn)是，C均值算法的類均值參數(shù)在每個樣本歸入時隨即修改，因而稱為逐個樣本修正法，而ISODATA算法的均值向量或聚類中心參數(shù)是在每一次迭代分類后修正的，因而稱為成批樣本修正法。可以看出ISODATA算法與C均值算法一樣，都是以與代表點(diǎn)的最小距離作為樣本聚類的依據(jù)，因此比較適合各類物體在特征空間以超球體分布的方式分布，對于分布形狀較復(fù)雜的情況需要采用別的度量。迭代計(jì)數(shù)要加1?！ 〔襟E11(計(jì)算類間聚類中心距離) 類與類的類間距離 步驟12(列出類間距離過近者) 比較與并將小于的按上升次序排列 該隊(duì)列最大個數(shù)是控制合并對數(shù)的參數(shù) 步驟13(執(zhí)行合并) 從類間距離最大的兩類開始執(zhí)行合并過程，此時需將與合并，得 且，從第二個開始，則要檢查其涉及類別是否已在前面合并過程中被合并，如兩者并未被合并，則執(zhí)行合并過程。 步驟9(求每類具有最大標(biāo)準(zhǔn)偏差的分量) 指每類具有最大標(biāo)準(zhǔn)偏差的分量?！ ∪绻?，則轉(zhuǎn)向步
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1