数据聚类实验报告(附代码).docVIP

实验题目： 数据聚类实验 1 实验目的 （1）了解常用聚类算法及其优缺点； （2）掌握k-means聚类算法对数据进行聚类分析的基本原理和划分方法。 （3）利用k-means聚类算法对“ch7 iris.txt”数据集进行聚类实验。 （4）熟悉使用matlab进行算法的实现。 2 实验步骤 2.1 算法原理 聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。 k-means是划分方法中较经典的聚类算法之一。由于该算法的效率高，所以在对大规模数据进行聚类时被广泛应用。目前，许多算法均围绕着该算法进行扩展和改进。 k-means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。k-means算法的处理过程如下：首先，随机地 选择k个对象，每个对象初始地代表了一个簇的平均值或中心;对剩余的每个对象，根据其与各簇中心的距离，将它赋给最近的簇;然后重新计算每个簇的平均值。 这个过程不断重复，直到准则函数收敛。 通常，采用平方误差准则，其定义如下：，这里E是数据集中所有对象的平方误差的总和，p是空间中的点，是簇的平均值。该目标函数使生成的簇尽可能紧凑独立，使用的距离度量是欧几里得距离,当然也可以用其他距离度量。 本实验便采用k-means聚类方法对样本数据对象进行聚类。该方法易实现，对不存在极大值的数据有很好的聚类效果，并且对大数据集有很好的伸缩性。 2.2 算法流程 本实验采用的是k-means聚类算法，类中心的选择基于簇中对象的平均值。 （1）获取用户的类中心数目k和具有n个对象的数据集； （2）任意选取k个对象作为初始的簇中心； （3）根据簇中对象的平均值，将每个对象重新赋给最类似的簇； （4）更新簇的平均值，即类中心，重新计算每个簇中对象的平均值； （5）如果新的平均值发生改变，转至（2）步； （6）新的平均值不在发生改变，算法聚类结束。 2.2 算法流程图 开 始 选择k值，选取k个 对象作为平均值 聚 类 对新生成的簇重新 计算平均值 Y 新的平均 值改变 N 结 束 图1 k-means算法流程图 k-means算法流程图，如图1所示。 k-means算法中的k，由用户输入，最终得到的类别数即为用户输入的数目。聚类过程中，涉及到初始类中心的选择。在程序中，对于类中心，是选择前k个作为初始类中心，对于数据的组织，前k个数据有较大差别，可以提高程序的运行效率和分类结果的准确率。 3 实验结果分析 在实验中，利用k-means聚类算法对“ch7 iris.txt”数据集进行聚类实验。 当k=3时，k-means算法聚类效果如图2所示： 图2 k=3时聚类效果 当k=4时，k-means算法聚类效果如图3所示： 图3 k=4时聚类效果 K-means聚类算法的收敛性和初值的选取有关。初始的聚类中心的不同，对聚类结果没有很大的影响，而对迭代次数有显著的影响。数据的输入顺序不同，同样影响迭代次数，而对聚类结果没有太大的影响。 4 实验结论 K-means聚类算法对于类别数的选择k值有较高的要求，如果类别数较少，则不能区分数据。K-means聚类算法找出平均误差最小的k个划分。当结果簇是密集的，而簇与簇之间的区别明显时，它的效果较好。该算法只有在簇的平均值被定义的情况下才能使用。对于初始类中心的选择，特别重要。对于分类的准确