北工大模式识别基础课程作业.docxVIP

姓名：学号： 设有10个二维模式样本，如图2.13所示。若，试用最大最小距离算法对他们进行聚类分析。解：① 取。②选离最远的样本作为第二聚类中心。，，，，，，， ∵ 最大者为D71，③计算各样本与间距离，选出其中的最小距离。，，，…，④,⑤继续判断是否有新的聚类中心出现：，，… 寻找聚类中心的步骤结束。⑥按最近距离分到三个聚类中心对应的类别中：；；代码附录：clear allclose allclc%坐标点，初始化选定比例系数num = 10;eta = 0.5;axis([0 10 0 10]);hold on%c = zeros(10,1);z = zeros(10,2);x1 = [0,0];x2 = [1,1];x3 = [2,2];x4 = [3,7];x5 = [3,6];x6 = [4,4];x7 = [5,7];x8 = [6,3];x9 = [7,3];x10 = [7,4];W = [x1;x2;x3;x4;x5;x6;x7;x8;x9;x10];%% step1 任选一个坐标点作为第一个聚类中心z1R= randperm(num);c(1) = R(1);z(1,:) = W(c(1),:);%% step2 从数据中选取一个距离z1最远的坐标点，作为第二个聚类中心z2d = zeros(num,1);for i = 1:numd(i) = norm(z(1,:)-W(i,:));end[~,c(2)] = max(d);%距离，位置z(2,:)= W(c(2),:);%% step3 计算剩余数据与z1,z2之间的距离，并求其最小距离d =zeros(num,2);for i = 1:numd(i,1) = norm(z(1,:)-W(i,:));d(i,2) = norm(z(2,:)-W(i,:));endD = zeros(num,1);for i = 1:numD(i) = min(d(i,:));end%% step4 确定是否存在第三个聚类中心[m,n] = max(D);%最大值，位置if meta*norm(z(2,:)-z(1,:));c(3) = n;z(3,:) = W(c(3),:); jump = 1;%转至step5elsejump = 2;endswitch (jump)case 1 k = 4; %% step5 继续确定是否存在聚类中心for p = 1:num d =zeros(num,length(c));for i = 1:length(c)for j = 1:numd(j,i) = norm(z(i,:)-W(j,:));endendfor i = 1:numD(i) = min(d(i,:));end [m,n] = max(D);%最大值，位置if meta*norm(z(2,:)-z(1,:));c(k) = n;z(k,:) = W(c(k),:); k = k+1;else break %没有新的聚类中心endendcase 2breakend%% step6 最小距离法进行分类%首先计算数据到每个聚类中心的距离D =zeros(num,length(c));for i = 1:length(c)for j = 1:numD(j,i) = norm(z(i,:)-W(j,:));endend%归类，判断坐标点属于的类别k = zeros(length(c),1);for i = 1:num [m,n] = min(D(i,:)); k(i,1) = n;%归类标识end%设置颜色colour = zeros(length(c),3);for i = 1:length(c)colour(i,:) = rand(1,3);endfor i = 1:length(c) v = find(k == i);%位置 u = length(v);%个数 M = zeros(u,2);%用来存储所属同一类的点for j = 1:uM(j,:) = W(v(j),:);end P = plot(M(:,1),M(:,2),);set(P,color,colour(i,:));end