式识别作业.docVIP

西安电子科技大学 模式识别导论大作业 学 院 ：电子工程学院 模式识别导论大作业 题1 一、题目 给出K-均值算法的程序框图，编写程序，并使用编写的程序对课本上图2.13所示的10个样本进行聚类，分为三类。 二、算法原理 第一步：选个初始聚类中心，。括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的前个模式样本的向量值作为初始聚类中心。 第二步：逐个将需分类的模式样本按最短距离原则分配给个聚类中心中的某一个,即 若 则 其中，为迭代运算的次序号，第一次迭代表示第个聚类，其聚类中心为。 第三步：计算各个聚类中心的新的向量值。 求各聚类域中所包含样本的均值向量: 其中，为第个聚类域中所包含的样本个数。以均值向量作为新的聚类中心，可使如下聚类准则函数最小： 在这一步中要分别计算个聚类中的样本均值向量。 第四步：若 ，，则返回第二步，将模式样本逐个重新分类，并重复迭代运算；直到，则算法收敛，计算结束。 三、求解算法的程序流程图 四、Matlab程序代码 程序一： data=[0,0;1,1;2,2;3,7;3,6;4,6;5,7;6,3;7,3;7,4]; x=data(:,1);y=data(:,2); plot(x,y, ’r*’,’Linewidth’,3) asis(-2 8 -2 8); hold on; grid on; m=size(data,1); n=size(data,2); counter=0; k=3; %产生k个零矩阵，M用来存放聚类中心 M=cell(1,m); for i=1:k M{1,i}=zeros(1,n); end Mold=cell(1,m); for i=1:k Mold{1,i}=zeros(1,n); end %随机选取k个样本作为初始聚类中心 %第一次聚类,使用初始聚类中心 p=randperm(m);%产生m个不同的随机数 for i=1:k M{1,i}=data(p(i),:); end while true counter=counter+1; disp(第); disp(counter); disp(次迭代); count=zeros(1,k); %初始化聚类C C=cell(1,k); for i=1:k C{1,i}=zeros(m,n); end %聚类 for i=1:m gap=zeros(1,k); for d=1:k for j=1:n gap(d)=gap(d)+(M{1,d}(j)-data(i,j))^2; end end [y,l]=min(sqrt(gap)); count(l)=count(l)+1; C{1,l}(count(l),:)=data(i,:); end Mold=M; disp(聚类中心为：); for i=1:k disp(M{1,i}); end disp(聚类结果为：); for i=1:k disp(C{1,i}); end sumvar=0; for i=1:k E=0; disp(单个误差平方和为：); for j=1:count(i) for h=1:n E=E+(M{1,i}(h)-C{1,i}(j,h))^2; end end disp(E); sumvar=sumvar+E; end disp(总体误差平方和为：); disp(sumvar); %计算新的聚类中心,更新M,并保存旧的聚类中心 for i=1:k M{1,i}=sum(C{1,i})/count(i); end %检查前后两次聚类中心是否变化，若变化则继续迭代；否则算法停止； tally=0; for i=1:k if abs(Mold{1,i}-M{1,i})1e-5*ones(1,n) tally=tally+1; continue; else break; end end if tally==k break; end end 程序二： data=[0,0;1,1;2,2;3,7;3,6;4,6;5,7;6,3;7,3;7,4]; data1=[3.75,6.50;6.67