实验三k-均值聚类算法实验报告.docxVIP

实验三 K-Means 聚类算法 一、 实验目的 加深对非监督学习的理解和认识 掌握动态聚类方法 K-Means 算法的设计方法 二、 实验环境 具有相关编程软件的 PC机 三、 实验原理 非监督学习的理论基础 动态聚类分析的思想和理论依据 聚类算法的评价指标 四、算法思想 K- 均值算法的主要思想是先在需要分类的数据中寻找 K 组数据作为初始聚类中心，然后计算其他数据距离这三个聚类中心的距离， 将数据归入与其距离最近的聚类中心，之后再对这 K 个聚类的数据计算均值， 作为新的聚类中心， 继续以上步骤，直到新的聚类中心与上一次的聚类中心值相等时结束算法。 实验代码 function km(k,A)% 函数名里不要出现“ - ” warning off [n,p]=size(A);% 输入数据有 n 个样本， p 个属性 cid=ones(k,p+1);% 聚类中心组成 k 行 p 列的矩阵 ,k 表示第几类， %A(:,p+1)=100; A(:,p+1)=0; for i=1:k %cid(i,:)=A(i,:); % 直接取前三个元祖作为聚类中心  p 是属性 m=i*floor(n/k)-floor(rand(1,1)*(n/k)) cid(i,:)=A(m,:); cid; end Asum=0; Csum2=NaN; flags=1; times=1; whil