数据聚类实验报告(附代码).docx

试验题目：数据聚类试验1 试验目的（1）明白常用聚类算法及其优缺点；（2）把握 k-means（3）利用 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；聚类算法对“ ch7 iris.txt”数据集进行聚类试验；（4）熟识使用 matlab 进行算法的实现；2 试验步骤2.1算法原理聚类就是依据某个特定标准 ( 如距离准就 ) 把一个数据集分割成不同的类或簇，使得同一 试验题目： 数据聚类试验 1 试验目的 （1）明白常用聚类算法及其优缺点； （2）把握 k-means （3）利用 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； 聚类算法对“ ch7 iris.txt ”数据集进行聚类试验； （4）熟识使用 matlab 进行算法的实现； 2 试验步骤 2.1 算法原理 聚类就是依据某个特定标准 ( 如距离准就 ) 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像性尽可能大， 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集合到一起，不同数据尽量分别； 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，很多算法均环围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像度，而簇间 的相像度较低； k-means 算法的处理过程如下：第一，随机地 挑选 k 个对象，每个对象初 ; 对剩余的每个对象，依据其与各簇中心的距离，将它赋 始地代表了一个簇的平均值或中心 给最近的簇 ; 然后重新运算每个簇的平均值； 这个过程不断重复，直到准就函数收敛； k 2 E p mi ，这里 E 是数据集中全部 通常，采纳平方误差准就，其定义如下： i 1 p Ci 对象的平方误差的总和， p 是空间中的点， mi 是簇 Ci 的平均值；该目标函数使生成的簇尽 , 当然也可以用其他距离度量； 可能紧凑独立，使用的距离度量是欧几里得距离 本试验便采纳 k-means 聚类方法对样本数据对象进行聚类； 大值的数据有很好的聚类成效，并且对大数据集有很好的伸缩性； 该方法易实现， 对不存在极 2.2 算法流程 本试验采纳的是 k-means 聚类算法，类中心的挑选基于簇中对象的平均值； （1）猎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）依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，重新运算每个簇中对象的平均值； （5）假如新的平均值发生转变，转至（ 2）步； （6）新的平均值不在发生转变，算法聚类终止； 2.2 算法流程图 开 始挑选 k 值，选取 k 个对象作为平均值聚 类对新生成的簇重新运算平均值Y新的平均值转变N结 束图 1k-means 开 始 挑选 k 值，选取 k 个 对象作为平均值 聚 类 对新生成的簇重新 运算平均值 Y 新的平均 值转变 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挑选； 在程序中， 对于类中心， 是挑选前 k 个作为初始类中心， 运行效率和分类结果的精确率； 对于数据的组织， 前 k 个数据有较大差别， 可以提高程序的 3 试验结果分析 在试验中，利用 k-means 聚类算法对“ ch7 iris.txt ”数据集进行聚类试验； 当 k=3 时， k-means 算法聚类成效如图 2 所示： 图 2k=3 时聚类成效当 k=4时， 图 2 k=3 时聚类成效 当 k=4 时， k-means 算法聚类成效如图 3 所示： 图 3 k=4 时聚类成效 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；数据的输入次序不同，同样影响迭代次数，而对聚类结果没有太大的影响；4 试验结论K - means 聚类算法对于类别数的挑选k 值有较高的要求，假如类别数较少，就不能区分数据； 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，而簇与簇之间的区分明显时，它的成效较好； 该算法只有在簇的平均值被定义的情形下才能使用；对于初始类中心的 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；数据的输入次序不同，同样影响迭代次数，而对聚类结果没有太大的影响； 4 试验结论 K