模式识别7教学课件.pptVIP

0.2 0.4 0.4 0.2 0.2 0.5 0.5 0.8 0.8 0.8 0.8 4 6 2 8 7 5 3 1 回路不画 0.2 0.2 0.5 0.8 0.8 0.8 0.8 4 6 2 8 7 5 3 1 0.2 0.2 0.5 0.8 0.8 0.8 0.8 4 6 2 8 7 5 3 1 0.2 0.2 0.5 0.8 0.8 0.8 0.8 4 6 2 8 7 5 3 1 注意：最大树不唯一，但取截集后，所得子树相同。 ①任选K个聚类中心； ②按最近邻规则聚类； ③根据聚类结果计算新的聚类中心， 比较新旧聚类中心是否相等； ④新旧中心相等，结束；否则回到②。 模糊K-均值算法基本思想： 首先设定一些类及每个样本对各类的隶属度； 然后通过迭代，不断调整隶属度至收敛。 K-均值算法回顾： 7.5.3 模糊K-均值算法 由聚类分析中动态聚类法中的K-均值算法派生出来。 (1) 确定模式类数K，1KN，N为样本个数。 步骤： 加权平均 例如，3个样本时： ！ 例当有两个聚类中心时，样本j对两个类别隶属度的计算： 类似于相对距离 例： 由U(0)可知，倾向于X1、X2、X3为一类，X4为一类。 得 如对X3有： 类似地，可得到U(1)中其它元素，有 7.5.4 模糊ISODATA算法 ISOD