这是模式分类中的课程代码,
其中包含所有的模式分类算法的实现实验,
程序时用matlab写的,代码质量较高,对学习模式分类 模式识别、
机器学习的同学有很重要的参考价值,
其中经典的算法有:均值聚类算法等
本实验的目的是学习和掌握k-均值聚类算法,通过对表格6 中的三维数据进行测试,进一
步加深了解。
(d) 编写程序实现k-均值聚类算法(本章中算法1)。
(e) 测试的类别数目和初始值为:c = 2, 1m (0) = (1,1,1)t , 2 m (0) = (−1,1,−1)t ,进行实验。
(f) 测试的类别数目和初始值为:c = 2, 1m (0) = (0,0,0)t , 2 m (0) = (1,1,−1)t ,进行实验。
将得到的结果与(b)中的结果进行比较,并解释差别,包含迭代次数的差别。
(g) 测试的类别数目和初始值为:c = 3, 1m (0) = (0,0,0)t , 2 m (0) = (1,1,1)t ,
3m (0) = (−1,0,2)t ,进行实验。
(h) 测试的类别数目和初始值为:c = 3, 1m (0) = (−0.1,0.0,0.1)t , 2 m (0) = (0,−0.1,0.1)t,
3 m (0) = (−0.1,−0.1,0.1)t,进行实验。将得到的结果与(d)中的结果进行比较,并解释
差别,包含迭代次数的差别。
表 6
样本 x1 x2 x3 样本 x1 x2 x3
1 -7.82 -4.58 -3.97 11 6.18 2.81 5.82
2 -6.68 3.16 2.71 12 6.72 -0.93 -4.04
3 4.36 -2.19 2.09 13 -6.25 -0.26 0.56
4 6.72 0.88 2.80 14 -6.94 -1.22 1.13
5 -8.64 3.06 3.50 15 8.09 0.20 2.25
6 -6.87 0.57 -5.45 16 6.81 0.17 -4.15
7 4.47 -2.62 5.76 17 -5.19 4.24 4.04
8 6.73 -2.01 4.18 18 -6.38 -1.74 1.43
9 -7.71 2.34 -6.33 19 4.08 1.30 5.33
10 -6.91 -0.49 -5.68 20 6.27 0.93 -2.78