模式识别复习资料.pptVIP

复习;复习;复习;复习;5最大最小距离算法（小中取大距离算法）;⑥将样本按最近距离划分到相应聚类中心对应

的类别中。;例2.1对图示模式样本用最大最小距离算法进行聚类分析。;算法描述;结束条件：

1）取距离阈值T，当D(n)的最小分量超过给定值T时，算法停

止。所得即为聚类结果。

2）或不设阈值T，一直将全部样本聚成一类为止，输出聚类的分

级树。;例：给出6个五维模式样本如下，按最短距离准则进行系统聚类分类。;;;（4）将D(2)中最小值对应的类合为一类，得D(3)。;;7K-均值算法;例2.3：已知20个模式样本如下，试用K-均值算法分类。;：;②从新的聚类中心得：;④;图2.10K-均值算法聚类结果;上述K-均值算法，其类型数目假定已知为K个。当K未知时，

可以令K逐渐增加，此时Jj会单调减少。最初减小速度快，但当

K增加到一定数值时，减小速度会减慢，直到K=总样本数N时，Jj=0。Jj－K关系曲线如下图：;两分法;;例3.1设有一个三类问题，其判别式为：;1;感知器算法步骤：;c：正的校正增量。;例3.8已知两类训练样本;任取W(1)=0，取c=1，迭代过程为：;;该轮迭代的分类结果全部正