本文介绍了使用ISODATA算法进行IRIS数据聚类的实验。ISODATA是一种动态聚类算法，能自动调整类别的数量。IRIS数据集包含3种花的测量结果，共有150个样本。实验在Matlab R2016a环境中进行，通过设置相关参数，如预期聚类中心数目、最小样本数等，对数据进行聚类分析。实验资源包括IRIS数据集和代码，可供读者下载使用。
一、 实验介绍
ISODATA算法的全称是Iterative Self－Organizing Data Analysis Techniques Algorithm，中文译名为“迭代自组织的数据分析算法”。ISODATA算法的特点是可以通过类的自动合并（两类合一）与分裂（一类分为二），得到较合理的类型数目c；属于动态聚类算法，相较于传统的C-均值聚类，类型数目可变，但也较为复杂。
IRIS数据是由鸢尾属植物的三种单独的花的测量结果所组成，模式类别数为3，特征维数是4，每类各有50个模式样本，总共有150个样本。
本次实验将IRIS数据的150个样本看做混合样本，使用ISODATA聚类算法对其进行聚类分析，实验所使用的的软件为Matlab R2016a。
一、 算法原理
ISODATA聚类算法在别的博客已经很清楚了，这里不再赘述。其中涉及到的参数如下：
给定控制参数：
k：预期的聚类中心数目；
qn：每一聚类中最少的样本数目，如果少于此数就不能作为一个独立的聚类；
qs：一个聚类域中样本距离分布的标准差（阈值）；
qc：两个聚类中心之间的最小距离，如果小于此数，两个聚类合并；
L：每次迭代允许合并的最大聚类对数目；
I：允许的最多迭代次数；
其中IRIS数据与程序的代码都在本人的资源当中，需要的小伙伴可以自行下载，打开就完全可以使用
最低0.47元/天 解锁文章
扫一扫
4010
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
