西电数据挖掘大作业k-means和.docxVIP

题 目: 学 院: 专 业: 学生姓名: 学 号: 数据挖掘 电子工程学院 智能科学与技术 ** 02115 *** k-means实验报告 一、 waveform 数据 1、 算法描述 从数据集n -］中任意选取 k个赋给初始的聚类中心 ci, C2,…,C k ； 对数据集中的每个样本点Xi,计算其与各个聚类中心Cj的欧氏 距离并获取其类别标号： label(i) = arg min I |xt - cjI 12? i 二 1,…，N, j 二k 按下式重新计算k个聚类中心; ￡勺 二 j Ci 二 ,j 二 1,3,” 重复步骤2和步骤3,直到达到最大迭代次数为止 2、 实验结果 图像处理 1、算法描述2 1、 算法描述 2、 实验结果 代码: k_means: %%%%%%%%%K_means%%%%%%%% %%%%%%%%%明 %%%%%%%% 淘入： % sample 样本集； % k 聚类数目； %t出： % y 类标(从0开始) % cnew 聚类中心 % n ——迭代次数 function [y cnew n]=k_means(sample,k) [N V]=size(sample); %陋样本的个数 K为样本的维数 y=zeros(N,1); %S录样本类标 dist=zeros(1,k); rand_num=randperm(N); cnew=(sample(rand_num(1,1:k),:)); % 随机初始化聚类中心 cold=zeros(k,V); n=0; while (cold~=cnew) cold=cnew; n=n+1; %己录迭代次数 %寸样本进行重新分类 for i=1:N for j=1:k if (V==1) dist(1,j)=abs(sample(i,:)-cold(j,:)); else dist(1,j)=norm(sample(i,:)-cold(j,:)); end end for s=1:k if (dist(1,s)==min(dist)) y(i,1)=s-1; end end end %更新聚类中心 cnew=zeros(k,V); flag=zeros(k,1); for i=1:N for j=1:k if (y(I,1)==j-1) flag(j,1)=flag(j,1)+1; cnew(j,?=cnew(j,?+sample(I,?; end end end for j=1:k cnew(j,?=cnew(j,?/flag(j,1); end end k_means_waveform: clear;clc; %%%%%%B%%入 %%%%%%% data=load( 西电 \2014 大三下 大作业 \Data Mining\ k_means\ ); [N K]=size(data); 泌据集的数目 data0=zeros(1,K); data1=zeros(1,K); data2=zeros(1,K); for i=1:N if (data(i,K)==0) data0=cat(1,data(i,:),data0); elseif (data(i,K)==1) data1=cat(1,data(i,:),data1); else data2=cat(1,data(i,:),data2); end end sample=cat(1,data0(1:100,:),data1(1:100,:),data2(1:100,:)); label=sample(:,K); %羊本的正确类标 sample=sample(:,1:K-1); %羊本集 k=3; %聚类中心的数目 %%%%%%%%%K_means%%%%%%%% [y cnew n]=k_means(sample,k); %%%%%%%%%% 统计 %%%%%%% sum=zeros(1,6); [N V]=size(sample); for i=1:N if (y(i,1)==label(i,1)) sum(1,1)=sum(1,1)+1; end end for i=1:N if ((y(i,1)+label(i,1))==2) sum(1,2)=sum(1,2)+1; end end for i=1:N if (((y(i,1)==0)(label(i,1)==0))||((y(i,1)==1)label(i,1)==2)||((y(i,1)==2)labe l(i,1)==1)) sum(1,3)=sum(1,3)+1; end end for i=1:N if (((y(i,1)==0)(label(i,1)==1))||((y(i,1)==1)label(i,1)==0)||((y