最优化方法实验二-- k-Means聚类实验

本文介绍了k-Means算法在手写数字图像分类中的应用,包括模型建立、求解过程和时间复杂度分析。同时提出了K-Means++优化算法以改进初始聚类中心的选择,通过实验展示了优化算法在正确率上的提升。随着样本数量增加,算法的性能受到维度灾难影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 实验目的与要求

1.熟练掌握k-Means方法手写数字图像进行类;

2.用Matlab编写代码熟悉画图工具,进行实验并验证结果;

3.锻炼数学描述能力,提高报告叙述能力

 问题

三、模型建立及求解

解决问题思路,模型建立、性能分析,存在问题等方面进行阐述;

本次实验实现过程的思维逻辑如图1所示。

1、K-Means算法概述

1.1K-means算法原理
符号定义

为了方便描述算法,首先进行符号的定义,如表1所示。

模型建立

        K-means是一种无监督的学习,其主要思想为通过不断取离质心最近均值的数据,自动将相似的对象归到同一个簇中(共聚类k个簇),循环执行,直到满足聚类的

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值