西电数据挖掘大作业k-means和k-medoids.docxVIP

PAGE PAGE # 西电数据挖掘大作业k- means 和 k-medoids -标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII 题目：数据挖掘 学院：电子工程学院 学生姓名：? 专业:智能科学与技术 专业: 智能科学与技术 学号： 02115*** k-means实验报告 PAGE PAGE # 一、waveform 数据 算法描述 .从数据集fXn}nN］中任意选取女个赋给初始的聚类中心孰 .对数据集中的每个样本点X3计算其与各个聚类中心C)的欧氏 距离并获取其类别标号： label(i) = arg min ||Xj - Cj||2,i = = l,??.,k .按下式重新计算k个聚类中心； ￡』 s:label(s) = j Cj = J = 1,2, ...k 重复步骤2和步骤3,直到达到最大迭代次数为止 实验结果 Command .Wndow亲交中心为，Colunrs 1 Command .Wndow 亲交中心为， Colunrs 1 Thrcujh 10 -0. 1008 0. 2971 0. 5244 0.8470 0.9d：0 0. 0190 0. 4865 1. 0306 1.5420 2.2561 -0.1827 0.1379 0.078； -0.0002 0.0694 Colunns 11 through 20 2.9777 3. 0434 3. 0475 3.2714 3.1407 3.8213 2. 9261 LS166 1.4122 0.9213 2.4226 3. 1806 3. 7861 a.6151 5. 3608 Coluxn 21 德环次敌： 3 *口 ，X 1. 3523 2. 0719 2.2171 2. 1877 2.6199 2. 9459 4. 0522 3 9257 3.8252 3.8155 0. 1501 0. 8271 0. 4337 0.6936 1. 4986 2. 5349 1. 7993 L 3905 0. 8588 0. 6368 0. 6013 0.1964 -0. 1261 0.1624 0. 0787 4. 3661 3. 5226 2. 2976 1.7543 0.8695 0. 06S2 -0. 0915 -0.0251 正确壬为： 0.6367 二、图像处理 算法描述 同上； 实验结果 代码： k_means: + + + + + + + + +函数说明+ + + + + + + + *输入: % sample 样本集： % k ——聚类数目： 学输出： % y 类标（从。开始） % cnew 聚类中心 % n ——迭代次数 function [y cnew n] =k__means (sample, k) [N V]=size (sample); N为样本的个数K为样本的维数 y=zeros (Nz 1) ; 记录样本类标 dist=zeros(1,k); rand_num=randperm(N); cnew= (sample (rand_num(lz 1: k) , :) ) ; % 随机初始化聚类中心 cold=zeros(k,V); n=0; while(cold^=cnew) cold=cnew; n=n+l;专记录迭代次数 专对样本进行重新分类 for i=l:N for j=l:k if(V==l) dist(1,j)=abs(sample(i,:)-cold(j,:)); else dist(1,j)=norm(sample(i,:)-cold(j,:)); end end for 3=1:k if(disc(l,s)==min(dist)) y(izl)=s-l； end end end 上 更新聚类中心 cne\7=zeros (kz V); flag=zeros(k,1); for i=l:N for j=l:k if (y(l,l)==j-l) flag(jzl)=flag(jzl)+l; cnew (j , ?=cnex^7 (j , ?+sample (I, ?; end end end for j=l:k cnew (j , ?=cnevz (j , ?/flag (j z 1); end end k_means_wavef orm: clear;clc; ++++数据读入 data=load ( 1 G : I 大三卜 \ 大作业\Data Mining\ k__means\ wave form, daca * ); [N K] =size (data) ; +数据集的数目 dataO=zeros(1,K); datal=zeros