模式识别2教学课件.pptVIP

第三步，更新聚类中心 第四步， 第二步， 第三步，更新聚类中心 上机作业 已知十个样本，每个样本2个特征，数据如下： 用K次平均算法和ISODATA算法分成3类，编程上机，并画出分类图。 样本序号 1 2 3 4 5 6 7 8 9 10 x1 0 1 2 4 5 5 6 1 1 1 x2 0 1 1 3 3 4 5 4 5 6 例2.3：已知20个模式样本如下，试用K-均值算法分类。 解：① 取K=2，并选： ② 计算距离，聚类： ： ： ： ： ……，可得到： ③ 计算新的聚类中： ④ 判断： ，故返回第②步。 ② 从新的聚类中心得： ： ┋ ： 有： ③ 计算聚类中心： ④ 返回第②步，以Z1(3)， Z2(3)为中心进行聚类。 ② 以新的聚类中心分类，求得的分类结果与前一次迭代结果相 同： ③ 计算新聚类中心向量值，聚类中心与前一次结果相同，即： ④ ，故算法收敛，得聚类中心为 结果图示： 图2.10 K-均值算法聚类结果 X1 X4 X3 X5 X8 X9 X7 X10 X2 X6 x1 x2 1 3 5 7 9 1 3 5 7 9 0 X11 X12 X13 X14 X15 X16 X17 X18 X19 X2