8-第四章_3动态聚类.docVIP

第四章 用距离函数进行模式识别 §4 动态聚类 基本思想： Y N修正 利用：欧式距离，重心距离 1] K_means算法(K平均算法) 类别数不变 选定中心数K（类别数），设定K个中心 样本划分：若 ，则 ，其中k表示第k次迭代 修正中心 判断是否合理： 若 ，则收敛停止，否则，转2 例：一堆数 解：1. 计算所有点到，的距离，进行分类 {其余18个} 4.（比较 ，，还要再划分） 2. ， 3.， 比较，还要再划分 2.， 3.， 4．， 收敛停止 2]ISODATA(Iterative Self-Organization Data Analysis) 特点： 1、出名 2、人机交互 3、经验型的 4、自适应性 人为设定参数 ①K ——希望的类别数 ②——每个群至少拥有的样本（作用：去掉孤立点） ③（分裂门限） 第i个分量的方差 ， ④（合并门限） 两类中心距离 ， 几种情况: （分裂门限） （合并门限） 小 大 小 易分 类别数增加 难合 难分 类别数基本不变 难合 大 易分 类别数振荡 易合 难分 类别数