《模式识别原理、应用及实现》 课件 5.4K均值聚类算法.pptVIP

5.4动态聚类算法武汉理工大学基本思想两种常用算法：*K-均值算法(或C-均值算法)*迭代自组织的数据分析算法(ISODATA,iterativeself-organizingdataanalysistechniquesalgorithm)判断合理性选初始中心聚类合理不合理输出修改K-均值算法K-均值算法的聚类准则：聚类中心的选择应使准则函数极小，即使的值极小。基于使聚类准则函数最小化，准则函数：聚类集中每一样本点到该类中心的距离平方和。对于第个聚类集，准则函数定义为：第个聚类集（域），聚类中心为；：第个聚类集中所包含的样本个数。对所有个模式类有应有即可解得上式表明，类的聚类中心应选为该类样本的均值。1.算法描述括号内序号：迭代运算的次序号。（1）任选个初始聚类中心：Z1(1)，Z2(1)，…，ZK(1)K-均值算法（2）按最小距离原则将其余样品分配到个聚类中心中的某一个，即：