基于K中心点数挖掘课程设计论文(原创).docVIP

基于K-中心点算法实现 算法描述 k中心点算法：首先为每一个簇随意选择一个代表对象；剩余的对象其与代表的对象的距离分配给最近的一个簇。然后反复的用非代表对象来替代代表对象，以改进聚类的质量。聚类结果的质量用一个代价函数来估算，该函数度量对象与其参与对象之间的平均相异度。为了确定非代表对象是否是当前代表对象的好的替代，对于每一个非代表对象P，考虑以下四种情况。 第一种情况：P当前隶属于代表对象。如果被所取代作为代表对象，并且P离其他代表对象(ij)最近，则P重新分配给。 第二种情况：P当前隶属于代表对象。如果被所取代作为代表对象，并且P离其他代表对象最近，则P重新分配给。 第三种情况：P当前隶属于代表对象，(ij)。如果被所取代作为代表对象，并且P离其他代表对象最近，则对象的隶属不发生变化。 第四种情况：P当前隶属于代表对象，(ij)。如果被所取代作为代表对象，并且P离其他代表对象最近，则P重新分配给。 下面是我们这次实现这个k中心点算法的具体描述 输入：结果簇的个数k和包含n个对象的数据集合 输出：k个簇的集合，使得所有对象与其最近中心点的相异度总和最小 方法： 从n个对象的集合中随意选取k个对象作为初始化的中心点； repeat； 将每个剩余的对象指派到最近的中心点所代表的簇； 随机地选择一个非代表对象; 计算用交换代表对象Oj的总代价S;