聚类分析----动态聚类法（C-均值法）

最新推荐文章于 2025-09-10 09:14:20 发布

原创最新推荐文章于 2025-09-10 09:14:20 发布 · 9.7k 阅读

·

1

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

模式识别学习笔记专栏收录该内容

13 篇文章

订阅专栏

本文介绍了一种基于距离的聚类算法——K均值算法。该算法首先选取聚类中心，然后按照最小距离原则分配模式到各个类中，并不断调整类心以优化聚类效果，适用于模式分布呈团聚状的情况。

该算法的结果受取定的类数，聚类的初始中心为止影响，在实际中需测探不同的c值以及选择不同的聚类中心初始值以得到较好的结果。如果模式分布呈现类内团聚状，该算法能得到很好的聚类结果。

条件与约定

设待分类的模式的特征矢量为{ $x_1,x_2,...,x_N$ },选定类的数目为c。

算法思想

该方法取定 c个类别和选取 c个初始聚类中心，按最小距离原则将各模式分配到 c类中的某一类，之后不断地计算类心和调整各模式的类别，最终使各模式到其判属类别中心的距离平方之和最小。

算法步骤

任选c个模式特征矢量作为初始聚类中心
将待分类的模式特征矢量集{ $x_i$ }中的模式按最小距离原则划分到c类中
重新计算各类类心 $z_j^{(k)}=\frac{1}{n_j^{(k+1)}}\sum_{x_i\in \omega_j^{(k+1)}}x_i,(j=1,2,...,c)$
如果 $z_j^{(k+1)}=z_j^{(k)}$ ,则结束；否则返回第二步。

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。