试验三k-均值聚类算法试验报告(2).docx资源-CSDN文库

版权申诉

67 浏览量 2023-04-12 20:38:17 上传评论收藏 170KB DOCX 举报

资源推荐

资源详情

资源评论

实验三聚类

算法

K-Means

一、实验目

的

1)

2)

加深对非监督学习的理解和

认识

K-Means

掌握动态聚类方

法

算法的设计方

法

二、实验环

境

1)

PC

具有相关编程软件的

机

三、实验原

理

1)

2)

3)

非监督学习的理论

基础

动态聚类分析的思想和理论

依据

聚类算法的评价指标

四、算法思

想

K

均值算法的主要思想是先在需要分类的数据

中寻找

K

组数据作为初始聚类

中

心，然后计算其他数据距离这三个聚类中心的距离，将数据归入与其距离最近

的聚类中

K

心，之后再对这个聚类的数据计算均值，作为新的聚类中心，继续以上步骤

，直到新

的聚类中心与上一次的聚类中心值相等时结束

算法。

实验代码

function

km(k,A)%

warning off

-

函数名里不要出现“

”

[n,p]=size(A);

%

n p

输入数据有个样本，个

属性

cid=ones(k,p+1)

;%

%A(:,p+1)=100;

A(:,p+1)=0;

k p ,k p

聚类中心组成行列的矩阵表示第几类，

是属性

for i=1:k

%cid(i,:)=A(i,:); %

直接取前三个元祖作为聚类

中心

m=i*floor(n/k)-

floor(rand(1,1)*(n/k))

cid(i,:)=A(m,:

);

cid;

end

Asum=0;

Csum2=NaN;

flags=1;

times=1;

while flags

flags=0;

times=times+1

;

%

计算每个向量到聚类中心的欧氏

距离

for i=1:n

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

内容反馈

版权申诉

คิดถึง643

粉丝: 3908
资源: 1万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip