- 1、本文档共24页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE / NUMPAGES
试验目的
通过对Iris data接受Isodata算法进行聚类,把握Isodata算法的原理以及具体实施步骤。
二.试验原理
C均值算法比较简洁,但它的自我调整力量也比较差。这主要表现在类别数不能转变,受代表点初始选择的影响也比较大。ISODATA算法的功能与C均值算法相比,在以下几方面有改进。 1.考虑了类别的合并与分裂,因而有了自我调整类别数的力量。合并主要发生在某一类内样本个数太少的状况,或两类聚类中心之间距离太小的状况。为此设有最小类内样本数限制,以及类间中心距离参数。假设消灭两类聚类中心距离小于的状况,可考虑将此两类合并。 分裂那么主要发生在某一类别的某重量消灭类内方差过大的现象,因而宜分裂成两个类别,以维持合理的类内方差。给出一个对类内重量方差的限制参数,用以打算是否需要将某一类分裂成两类。 2.由于算法有自我调整的力量,因而需要设置假设干个把握用参数,如聚类数期望值,每次迭代允许合并的最大聚类对数、及允许迭代次数等。
下面我们将ISODATA算法的步骤列出:步骤1(确定把握参数及设置代表点) 需确定的把握参数为,聚类期望数,一个聚类中的最少样本数,标准偏差把握参数,用于把握分裂,类间距离把握参数,用于把握合并,每次迭代允许合并的最大聚类对数,允许迭代的次数。设初始聚类数为及聚类中心。
步骤2(分类) 对全部样本,按给定的个聚类中心,以最小距离进行分类,即假设 步骤3(撤消类内样本数过小类别) 假设有任何一个类,其样本数,那么舍去,令,将原样本安排至其它类;
步骤4(更新均值向量) 按现有样本分类结果,调整均值参数
步骤5(计算类内平均距离) 每类中各样本离开均值的平均距离
步骤6(计算整个样本集偏离均值的平均距离) 步骤7(入口选择) 如这是最终一次迭代(取决于迭代上限),那么转步骤11,并设置,防止合并发生。 假设,那么转向步骤8,执行分裂步骤; 假设,那么转向步骤11,执行合并步骤。
步骤8(求各类内各分类标准偏差) 对每个聚类,求其标准偏差
式中是类中第个样本的第重量,是的第个重量,是第个聚类第个重量的标准偏差,D是样本特征维数。
步骤9(求每类具有最大标准偏差的重量)
指每类具有最大标准偏差的重量。
步骤10(分裂计算步骤) 假设任一个有,并且有(a) 且,或有(b) ,那么把分裂成两个聚类,其中心相应为与,把原来的取消,且令,由于与值设置不当将会导致影响到其它类别,因此与可按以下步骤计算: 给定一值,;
其中值应使中的样本到与的距离不同,但又应使中的样本仍旧在分裂后的新样本类中。
步骤11(计算类间聚类中心距离) 类与类的类间距离
步骤12(列出类间距离过近者) 比较与并将小于的按上升次序排列 该队列最大个数是把握合并对数的参数
步骤13(执行合并) 从类间距离最大的两类开头执行合并过程,此时需将与合并,得
且,从第二个开头,那么要检查其涉及类别是否已在前面合并过程中被合并,如两者并未被合并,那么执行合并过程。
步骤14(结束步骤) 如是最终一次迭代那么终止,否那么可依据需要转步骤1或步骤2,转步骤1是为了更改把握数。迭代计数要加1。
以上是整个ISODATA算法的计算步骤。可以看出ISODATA算法与C均值算法一样,都是以与代表点的最小距离作为样本聚类的依据,因此比较适合各类物体在特征空间以超球体分布的方式分布,对于分布外形较简单的状况需要接受别的度量。ISODATA算法与C均值算法的主要不同在于自我把握与调整的力量不同。它们的另一个不同点是,C均值算法的类均值参数在每个样本归入时随即修改,因而称为逐个样本修正法,而ISODATA算法的均值向量或聚类中心参数是在每一次迭代分类后修正的,因而称为成批样本修正法。
试验过程及结果分析
依据算法过程进行仿真,首先设置算法中所需要的把握参数,把握参数的选取有多种选择组合,这里,我们先设置一组把握参数,对Iris data进行聚类,说明算法的实施过程以及对得到的结果进行分析。参数设置如以下图所示:
其中,确定初始聚类中心个数后,在150个原始数据中随机选择10个作为聚类中心,然后对原始
文档评论(0)