系統(tǒng)聚類分析課程設(shè)計-在線瀏覽
2025-03-02 16:33本頁面
【正文】 余的數(shù)值均在0與1之間。 選擇不同的距離，聚類結(jié)果會有所差異。第三章 算法思想與編程實現(xiàn)我們已經(jīng)指出系統(tǒng)聚類方法首先將n個空間點(diǎn)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(guān)系。Kmeans算法是硬聚類算法，是典型的局域原型的目標(biāo)函數(shù)聚類方法的代表，它是數(shù)據(jù)點(diǎn)到原型的某種距離作為優(yōu)化的目標(biāo)函數(shù)，利用函數(shù)求極值的方法得到迭代運(yùn)算的調(diào)整規(guī)則。算法采用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則函數(shù)。其基本思想是：通過迭代，主次移動各類的中心，直到得到最好的 聚類為止。開始選擇m個中心Z1,Z2，第一步：適當(dāng)?shù)剡x取m個類的初始中心Z1(1),Z2(1),2） 將全部數(shù)據(jù)隨即地分為m個類型，計算每類的重心，將這些重心作為m個類的初始中心。對于所有的i ≠ j, i = 1,2,第三步：由第二步得到Sj(k)類新的中心Zj(k),Zj(k)=式中，Nj為Sj(k)類中的樣本數(shù)。m，如果Zi(k+1)=Zi(k),則迭代結(jié)束，否則轉(zhuǎn)到第二步繼續(xù)迭代?？梢酝ㄟ^其他的簡單的聚類中心試探方法，如最大距離法，找出初始中心，提高分類效果。具體程序代碼如下：%%讀取圖片Imag = imread(39。)。 %%將彩色圖片轉(zhuǎn)換為灰度圖片[m n] = size(sample)。 %%將矩陣變換為m*n行1列的向量k = 4。 %%控制循環(huán)次數(shù)flag = 0。 %%選取第1類聚類中心ocentre2 = %%選取第3類聚類中心ocentre4 = 255。 %%將uint8類型轉(zhuǎn)換為double型while t == 0 %fsample1 = 0。 %fsample3 = 0。 fsample = zeros(4,1)。 dis = zeros(1,4)。 %b = 2 5。 %%求到第1個聚類中心距離 dis(2) = abs(sample(i) ocentre2)。 %%求到第3個聚類中心距離 dis(4) = abs(sample(i) ocentre4)。 %%求最小的距離 %選取最小值，第一個值給dis1，第二個值給dis2，判斷dis2dis1，則給dis2值于dis1，計算第三個距離給dis2，返回第三步，循環(huán) switch mindis case dis(1) %flag = cat(1,flag,1)。 flag(i) = 1。 num(1) = num(1) + 1。 %%將標(biāo)記數(shù)組賦值2，該點(diǎn)屬于第2類 %fsample2 = cat(1,fsample2,sample(i))。 fsample(2) = fsample(2) + sample(i)。 case dis(3)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1