模式识别jnca02.ppt

模式识别 2.1 聚类分析的概念 2.1 聚类分析的概念 2.1 聚类分析的概念 聚类分析研究的基本内容 2.1 聚类分析的概念 2.1 聚类分析的概念 2.1 聚类分析的概念 2.2 模式相似性测度 例2.2.2 可以看出，它等于共同具有的特征数目与分别具有的特征种类总数之比。这里只考虑(1-1)匹配而不考虑(0-0)匹配。 2·3 类的定义与类间距离 2·3 类的定义与类间距离 2·3 类的定义与类间距离 2·3 类的定义与类间距离 2·3 类的定义与类间距离 二 类间距离准则：总的类间距离最大作为聚类的准则 2·3 类的定义与类间距离 2·3 类的定义与类间距离 2·3 类的定义与类间距离 6、若合并的类数没有达到要求，转3。否则停止。 3、求最小元素： 4、ω8,ω5,ω2合并, ω9=（2,5,4,6） 例2.4.3：已知有20个样本，每个样本有2个特征，数据分布如下图,使用C－均值法实现样本分类（C=2）。 第三步：更新聚类中心 第四步： 第二步： 第三步：更新聚类中心 (3) 动态聚类法——ISODATA算法 算法思想： 在每轮迭代过程中，样本重新调整类别之后计算类内及类间有关参数，并和设定的门限比较，确定是两类合并为一类还是一类分裂为两类，不断地“自组织”，以达到在各参数满足设计要求条件下，使各模式到其类心的距离平方和最小。 矩阵对角线元素之和为矩阵的迹. 矩阵对角线元素之和为矩阵的迹. ISODATA算法举例 (2)聚类(两个中心): (3) 因 , 无合并: ISODATA算法举例 (4) 计算聚类中心、类内平均距离和总的平均距离。 (5) 因这是偶次迭代，满足算法原理步骤⑸中 ④的条件，故转⑼ ISODATA算法举例 (9)计算类间距离 由 ，类不能合并。 (11) 因不是最后一 次迭代( ，题设 )， ，判断是否修改参数。由上面结果可知，已获得所要求类别数目，类间距离大于类内距离，每类样本数都有样本总数的足够大的百分比，因此不改变参数。 (2)～(4) 计算结果与前一次迭代结果相同。 (7) ,分裂条件不满足，转至⑼。 ，无新的变化， ，转至⑵。 (6) 计算 和 的标准差矢量 (5) 没有任一种情况被满足，到⑹。 与前一次迭代结果相同， 无合并发生。 ⑵～⑷ 与前一次迭代结果相同。 ⑸ 因是最后一次迭代，令 ，转至⑼。 ⑼ ，同前。 ⑽ 因 ，无合并发生。 ⑾ 因是最后一次迭代, 结束。 Start 输入样本数据，置c; Nc ; 选初始类心zj ，j=1,2,..Nc (1)置控制参数：?n , ?s , ?D, ? , L , I (3)合并判决： nj ?n Y Nc = Nc - 1 (2)聚类：if dil = min{D(xi, z1), D(xi, z2),…, D(xi, zNc)} then xi??l N (4)计算分类后的参数：①类心 zj ; ②类内平均距离dj;③总类内平均距离d ISODATA流程: (5)①结束判决：Ip ≧ I N (4)计算分类后的参数：①类心 zj ; ②类内平均距离dj;③总类内平均距离d N (5)④ Ip为偶数 N (5)②按类个数分裂判决：Nc≦c/2 N (5)③分裂判决：Nc≧2*c N Y Y Y ?D = 0 Y 转(9) N (5)④ Ip为偶数 N Y 转(9) ⑻ (?jmax?s)? {[(djd)?(nj2(?n+1))]?[Nc≦c/2]} (6)计算各类类内距离的标准差矢量 (7)找出最大分量 (10)合并处理 (11)结束判决：Ip ≧ I (9)计算各类对类间距离 N End Y Nc = Nc + 1 Ip = Ip + 1 (8)分裂处理 Y N Y 转修改参数 修改 参数否 转重新聚类 N Start 输入样本数据，置c; Nc ; 选初始类心zj ，j=1,2,..Nc (1)置控制参数：?n , ?s , ?D, ? , L , I (2)聚类：if dil = min{D(xi, z1), D(xi, z2),…, D(xi, zNc)} then xi??l (3)合并判决： nj ?n N Y Nc = Nc - 1 (4)计算分类后的参