模式识别大作业k近邻c均值模糊c均值

《模式识别大作业k近邻c均值模糊c均值》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、西安电子科技大学模式识别大作业李国山学号：020951292011-12-13一、编程实现K・近邻算法1）近邻法的基本思想是在测试样本X的k个近邻中，按出现的样本类别来作为X的类别，即先对x的k个近邻一一找出它们的类别，然后对x类别进行判别，即在N个训练样本中,找出x的k个近邻。K-MEANS算法:输入：聚类个数k,以及包含n个数据对象的数据库。输出：满足方差最小标准的k个聚类。2）处理流程：（1）从n个数据对象任意选择k个对象作为初始聚类中心；（2）循坏（3）到（4）直到每个聚类不再发生变化为止（3）根据每个聚

2、类对象的均值（中心对象），计算每个对象与这些屮心对象的距离；并根据最小距离重新对相应对象进行划分；（4）重新计算每个（有变化）聚类的均值（中心对彖）k-means算法接受输入量k:然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对彖相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类屮对象的均值所获得一个“中心对象”（引力中心）来进行计算的。k-means算法的工作过程说明如下：首先从n个数据对象任意选择k个对彖作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相

3、似度（距离），分别将它们分配给与其最相似的（聚类屮心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数•k个聚类具有以下特点：各聚类木身尽可能的紧凑，而各聚类之间尽可能的分开。3）程序的说明：本程序中，训练样本集含有30个样本，矢量长度为5,对样*｛1,184141,0.5513196｝进行K=5的K-最近邻分类.样本从文件data.txt中读取，程序运行结果显示所有样本以及其类别，待分类样本所属的类别（｛1

4、,18,11,11,0.5513196｝属于“2“类），以及它的5个最近邻的类别和与它之间的距离。注:第92行的代码中文件的路径,,F:\study\knn\data.txt"®进行相应改动.#include#inelude#include#defineNATTRS5//numberofattributes#defineMAXSZ1700//maxsizeoftrainingset#defineMAXVALUE10000.0//thebigges

5、tattribute'svalueisbelowlOOOO(int)#defineK5structvector{doubleattributes[NATTRS];doubleclasslabel;};structitem{doubledistanee;doubleclasslabel;};structvectortrSet[MAXSZ];//globalvariable,thetrainingsetstructitemknn[K];//globalvariable,thek-neareast-neighbours

6、etintcurTSize=0;//currentsizeofthetrainingsetintAddtoTSet(structvectorv){if(curTSize>=MAXSZ){cout«endlv<”Thetrainingsethas,,«MAXSZ«Hexamples!n«endlvvendl;return0;}trSet[curTSize]=v;curTSize++;return1;}doubleDistance(structvectorvl,structvectorv2){doubled=0.0;

7、doubletern=0.0;for(inti=0;i1)for(inti=l;i<

8、K;i++)if(knn[i].distance>knn[maxNo].distanee)maxNo=i;returnmaxNo;}doubleClassify(structvectorv)//decidewhichclasslabelwillbeassignedto//agiveninputvetorwiththeknnmethod{doubledd=0;intmaxn