基于isodata算法的iris數(shù)據(jù)分類-展示頁
2025-06-27 14:37本頁面
【正文】 驟8，執(zhí)行分裂步驟； 如果，則轉(zhuǎn)向步驟11，執(zhí)行合并步驟。設(shè)初始聚類數(shù)為及聚類中心?！ ?，因而需要設(shè)置若干個(gè)控制用參數(shù)，如聚類數(shù)期望值，每次迭代允許合并的最大聚類對數(shù)、及允許迭代次數(shù)等?！ 》至褎t主要發(fā)生在某一類別的某分量出現(xiàn)類內(nèi)方差過大的現(xiàn)象，因而宜分裂成兩個(gè)類別，以維持合理的類內(nèi)方差。為此設(shè)有最小類內(nèi)樣本數(shù)限制，以及類間中心距離參數(shù)。 ，因而有了自我調(diào)整類別數(shù)的能力。這主要表現(xiàn)在類別數(shù)不能改變，受代表點(diǎn)初始選擇的影響也比較大。一． 實(shí)驗(yàn)?zāi)康耐ㄟ^對Iris data采用Isodata算法進(jìn)行聚類，掌握Isodata算法的原理以及具體實(shí)施步驟。二．實(shí)驗(yàn)原理C均值算法比較簡單，但它的自我調(diào)整能力也比較差。ISODATA算法的功能與C均值算法相比，在下列幾方面有改進(jìn)。合并主要發(fā)生在某一類內(nèi)樣本個(gè)數(shù)太少的情況，或兩類聚類中心之間距離太小的情況。若出現(xiàn)兩類聚類中心距離小于的情況，可考慮將此兩類合并。給出一個(gè)對類內(nèi)分量方差的限制參數(shù)，用以決定是否需要將某一類分裂成兩類?！ ∠旅嫖覀儗SODATA算法的步驟列出：步驟1(確定控制參數(shù)及設(shè)置代表點(diǎn)) 需確定的控制參數(shù)為，聚類期望數(shù)，一個(gè)聚類中的最少樣本數(shù)，標(biāo)準(zhǔn)偏差控制參數(shù)，用于控制分裂，類間距離控制參數(shù)，用于控制合并，每次迭代允許合并的最大聚類對數(shù)，允許迭代的次數(shù)。步驟2(分類) 對所有樣本，按給定的個(gè)聚類中心，以最小距離進(jìn)行分類，即若 步驟3(撤消類內(nèi)樣本數(shù)過小類別) 若有任何一個(gè)類，其樣本數(shù)，則舍去，令，將原樣本分配至其它類； 步驟4(更新均值向量) 按現(xiàn)有樣本分類結(jié)果，調(diào)整均值參數(shù) 步驟5(計(jì)算類內(nèi)平均距離) 每類中各樣本離開均值的平均距離 步驟6(計(jì)算整個(gè)樣本集偏離均值的平均距離)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1