近邻聚类算法.doc

C均值算法 班级：05电科2班 姓名：李俊 学号：1、实验目的 掌握C均值算法基本原理和程序流程。 2、实验原理 (1) C均值算法 若ni是第i类样本集Xi中的样本数目，Mi是这些样本的均值，即： 把Xi中的各样本X与均值Mi间的误差平方和对所有类相加后为： 式中，Je是误差平方和聚类准则，它是样本集X和类别集Ω的函数，它度量了用c个聚类中心M1, M2, …, Mc代表c个样本子集X1, X2, …, Xc时所产生的总的误差平方。 3、 实验步骤 ① 编写C均值算法的通用程序。程序中，要求设计至少两种代表点选则和初始分类方法。用户在使用时，可以任意选取自己需要的代表点选则和初始分类方法。 ② 用下表的样本集对C均值算法的通用程序进行验证。 x1 x2 x3 x1 x2 x3 x1 x2 x3 -5.01 -8.12 -3.68 -0.91 -0.18 -0.05 5.35 2.26 8.13 -5.43 -3.48 -3.54 1.30 -2.06 -3.53 5.12 3.22 -2.66 1.08 -5.52 1.66 -7.75 4.54 -0.95 -1.34 -5.31 -9.87 0.86 -3.78 -4.11 -5.47 0.50 3.92 4.48 3.42 5.19 -2.67 0.63 7.39 6.14 5.72 -4.85 7.11 2.39 9.21 4.94 3.29 2.08 3.60 1.26 4.36 7.17 4.33 -0.98 -2.51 2.09 -2.59 5.37 -4.63 -3.65 5.75 3.97 6.65 -2.25 -2.13 -6.94 7.18 1.46 -6.66 0.77 0.27 2.41 5.56 2.86 -2.26 -7.39 1.17 6.30 0.90 -0.43 -8.71 1.03 -3.33 4.33 -7.50 -6.32 -0.31 3.52 -0.36 6.43 4、实验结果 实验采用了两种代表点的算法： 一种是取前三个点为代表点得到的结果为,分为了三类，各类的样本数为2，1 27 样本间有一定的相似性第1和20号数据为一类，29号为一类其余为一类。 第二种是随机分类计算每类的重心作为代表点，各类的样本数为10，1，19。两个结果的预期效果不是很好。 5、实验心得 通过实验掌握对C均值算法基本原理和程序流程有了深入的了解，编程的熟练性有所提高。 6、实验代码 c=3; n1=0; np=31; m=[-5.01 -8.12 -3.68 -5.43 -3.48 -3.54 1.08 -5.52 1.66]; x=[-5.01 -8.12 -3.68 -5.43 -3.48 -3.54 1.08 -5.52 1.66 0.86 -3.78 -4.11 -2.67 0.63 7.39 4.94 3.29 2.08 -2.51 2.09 -2.59 -2.25 -2.13 -6.94 5.56 2.86 -2.26 1.03 -3.33 4.33 -0.91 -0.18 -0.05 1.30 -2.06 -3.53 -7.75 4.54 -0.95 -5.47 0.50 3.92 6.14 5.72 -4.85 3.60 1.26 4.36 5.37 -4.63 -3.65 7.18 1.46 -6.66 -7.39 1.17 6.30 -7.50 -6.32 -0.31 5.35 2.26 8.13 5.12 3.22 -2.66 -1.34 -5.31 -9.87 4.48 3.42 5.19 7.11 2.39 9.21 7.17 4.33 -0.98 5.75 3.97 6.65 0.77 0.27 2.41 0.90 -0.43 -8.71 3.52 -0.36 6.43]; d0=1000; d=0; k0=[0,0,0]; y(1,:,1)=[0,0,0]; for n=1:30 for i=1