复种类型分区聚类算法、集中式地表水饮用水水源保护区农业种植污染遥感调查报告编制大纲.pdfVIP

HJ

□□□□—20□□

附录A

（资料性附录）

复种类型分区聚类算法

A.1k均值聚类

A.1.1方法原理

将样本划分为k个簇，使每个样本到其所属簇中心的距离平方和最小。

A.1.2算法步骤

k均值聚类算法通常按以下步骤执行：

1）设定聚类数目k；

2）随机选取k个样本作为初始聚类中心（亦可采用k均值++等优化策略以提升收敛性）；

3）依据样本与各中心的欧氏距离或其他预定义距离，将样本分配至距离最近的聚类中

心所属类别；

4）重新计算各类别的中心（即该簇所有样本的均值向量）；

5）重复执行步骤3与步骤4，直至聚类中心位置不再变化、目标函数变化量小于预设

阈值或达到设定的最大迭代次数；

6）输出最终聚类结果。

注：k均值聚类对初始中心的选择具有敏感性，可能收敛于局部最优解，且对噪声及异常值

较为敏感。

A