K-means均值聚類是先行選擇若干個(gè)樣本點(diǎn)作為聚類中心，再按某種聚類準(zhǔn)則（通常采用最小距離原則）使各樣本點(diǎn)向各個(gè)中心聚集，從而得到初始分類，然后，判斷初始分類是否合理，如果不合理，就修改分類，......，以此反復(fù)進(jìn)行修改聚類的迭代運(yùn)算，直到合理為止。算法主要參照了蔡元龍老師的《模式識(shí)別》一書(shū)，matlab程序編寫：

%Programed by Lu Qi,University of Chinese Academy of Sciences %my email:qqlu1992@gmail.com clear all clc train_x=[0 3 1 2 0;1 3 0 1 0;3 3 0 0 1;1 1 0 2 0;3 2 1 2 1;4 1 1 1 0]; [pars.num_train,pars.length]=size(train_x);%num_train代表樣本的數(shù)量,length代表樣本的維數(shù) pars.num_cluster=2; initial=randperm(6); pars.iter=1; initial_point=initial(1:pars.num_cluster); pars.z{pars.iter}=train_x(initial_point,:); while 1for i=1:pars.num_trainfor j=1:pars.num_clusterd(i,j)=norm(train_x(i,:)-pars.z{pars.iter}(j,:));endend[min_d,index]=min(d,[],2);%求相同聚類樣本的標(biāo)號(hào)for i=1:pars.num_trainfor j=1:pars.num_clusterif (index(i))==jg(j,i)=[;i];endendendpars.iter=pars.iter+1;%找每一類中不等于0的數(shù)for j=1:pars.num_clustertemp=find(g(j,:));pars.z{pars.iter}(j,:)=sum(train_x(temp,:))/(length(temp));endif pars.z{pars.iter}==pars.z{pars.iter-1}break;end end for j=1:pars.num_clusterfprintf('the %d th cluster centre is\n',j);fprintf('%7.4f',pars.z{end}(j,:))fprintf('\n'); end

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的聚类之K-means均值聚类的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。