第五章聚类分析—K-means聚类.pptVIP

河北大学工商学院 Industrial Comerricial College , Hebei University * * * * * 模式识别 第三章--聚类分析 K-means聚类 * 主要内容 K-means算法 Matlab程序实现 在图像分割上的简单应用 算法的优缺点 初始中心的选取对算法的影响 Kernel K-means算法 * K-means聚类算法 算法描述 为中心向量c1, c2, …, ck初始化k个种子 分组: 将样本分配给距离其最近的中心向量 由这些样本构造不相交（ non-overlapping ）的聚类 确定中心: 用各个聚类的中心向量作为新的中心 重复分组和确定中心的步骤，直至算法收敛 * K-means聚类算法（续） 分组: 将样本分配给距离它们最近的中心向量，并使目标函数值减小 确定中心: 亦须有助于减小目标函数值，原因： 等式成立的充要条件： * K-means聚类算法（续） 算法的具体过程 从数据集 中任意选取k个赋给初始的聚类中心c1, c2, …, ck； 对数据集中的每个样本点xi，计算其与各个聚类中心cj的欧式距离并获取其类别标号： 按下式重新计算k个聚类中心； 重复步骤2和步骤3，直到达到最大迭代次数为止。 * Matlab程序实现 function [M, j, e] =