模式识别C均值算法的实现.docVIP

PAGE  PAGE 6 中国矿业大学 计算机科学与技术学院 《模式识别》实验报告 课程名称 模式识别 实验名称 C均值算法的实现 姓名 褚钰博 学号 手机 QQ Email: 班级 信科11-1 班 教师 陈伟 手机 QQ 735932337 Email: cumt_pr@126.com 实验日期 2014. 06 .09 实验报告要求：1.实验目的 2.实验内容 3.实验原理或步骤 4.运行结果和分析 5.实验体会与总结一、实验目的 1.掌握监督学习方法与非监督学习方法的区别，2.对动态聚类方法有深入的理解，了解其步骤，3.掌握C均值算法的基本思想、步骤，4.会熟练运用C均值算法进行聚类，5、通过c均值算法具体实现，熟练掌握其思想。 二、实验内容 写程序实现c均值算法，并用下表中的三维数据进行测试，下面给出了每种测试的类别数目和初始值。不要求编程环境，可以使用C，MATLAB等语言来实现。 （1）c=2, m1(0)=(1,1,1)T, m2(0)=(-1,1,-1)T。 （2）c=2, m1(0)=(0,0,0)T, m2(0)=(1,1,-1)T。将（2）得到的结果与（1）中的结果进行比较，并解释差别，包括迭代次数的差别。 （3）c=3, m1(0)=(0,0,0)T, m2(0)=(1,1,1)T, m3(0)=(-1,0,2)T。（4）c=3, m1(0)=(-0.1,0,0.1)T, m2(0)=(0,-0.1,0.1)T, m3(0)=(-0.1,-0.1,0.1)T。将（4）得到的结果与（3）中的结果进行比较，并解释差别，包括迭代次数的差别。 数据如下表所示： 样本编号样本编号1-7.82-4.58-3.97116.182.815.822-6.683.162.71126.72-0.93-4.0434.36-2.192.0913-6.25-0.260.5646.720.882.8014-6.94-1.221.135-8.643.063.50158.090.202.256-6.870.57-5.45166.180.17-4.1574.47-2.625.7617-5.194.244.0486.73-2.014.1818-6.38-1.741.439-7.712.34-6.33194.081.305.3310-6.91-0.49-5.68206.270.93-2.78 三、实验原理或步骤 C均值算法的基本思想即是通过迭代寻找c个聚类的一种划分方案，使得用这c个聚类的均值来代表相应各类样本时所得到的总体误差最小。 C均值算法的基础是最小误差平方和准则。若是第i聚类中的样本数目，是这些样本的均值，即 把中的各样本y与均值间的误差平方和对所有类相加后为 是误差平方和聚类准则，它是样本集和类别集的函数。 C均值算法的步骤： 1.选择初始划分，并计算每个聚类的均值以及误差平方和； 2.选择一个备选样本y，设y； 3.若样本数目为1，则转2，否则继续； 4.计算：j≠i时，； j=i时， ； 考查中的最小者，若，则把y从移到中； 6.重新计算聚类i和k的均值，并修改误差平方和； 7.若多次迭代后误差平方和不变，则停止，否则转到步骤2。 四、运行结果和分析 当?c=2时,? m1(0)=(1,1,1),?m2(0)=(-1,1,-1)? current??is:?409.49777 after?recalculate?mean?by?25?steps? class?0:? (4.36,?-2.19,?2.09)?(6.72,?0.88,?2.80)?(4.47,?-2.62,?5.76)?(6.73,?-2.01,?4.18)?(6.18,?2.81,?5.82)?(6.72,?-0.93,?-4.04)?(8.09,?0.20,?2.25)?(6.18,