模式識別大作業(yè)k近鄰c均值模糊c均值

《模式識別大作業(yè)k近鄰c均值模糊c均值》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、西安電子科技大學(xué)模式識別大作業(yè)李國山學(xué)號：020951292011-12-13一、編程實現(xiàn)K?近鄰算法1）近鄰法的基本思想是在測試樣本X的k個近鄰中，按出現(xiàn)的樣本類別來作為X的類別，即先對x的k個近鄰一一找出它們的類別，然后對x類別進(jìn)行判別，即在N個訓(xùn)練樣本中,找出x的k個近鄰。K-MEANS算法:輸入：聚類個數(shù)k,以及包含n個數(shù)據(jù)對象的數(shù)據(jù)庫。輸出：滿足方差最小標(biāo)準(zhǔn)的k個聚類。2）處理流程：（1）從n個數(shù)據(jù)對象任意選擇k個對象作為初始聚類中心；（2）循壞（3）到（4）直到每個聚類不再發(fā)生變化為止（3）根據(jù)每個聚

2、類對象的均值（中心對象），計算每個對象與這些屮心對象的距離；并根據(jù)最小距離重新對相應(yīng)對象進(jìn)行劃分；（4）重新計算每個（有變化）聚類的均值（中心對彖）k-means算法接受輸入量k:然后將n個數(shù)據(jù)對象劃分為k個聚類以便使得所獲得的聚類滿足：同一聚類中的對彖相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類屮對象的均值所獲得一個“中心對象”（引力中心）來進(jìn)行計算的。k-means算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇k個對彖作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相

3、似度（距離），分別將它們分配給與其最相似的（聚類屮心所代表的）聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù)?k個聚類具有以下特點：各聚類木身盡可能的緊湊，而各聚類之間盡可能的分開。3）程序的說明：本程序中，訓(xùn)練樣本集含有30個樣本，矢量長度為5,對樣*｛1,184141,0.5513196｝進(jìn)行K=5的K-最近鄰分類.樣本從文件data.txt中讀取，程序運(yùn)行結(jié)果顯示所有樣本以及其類別，待分類樣本所屬的類別（｛1

4、,18,11,11,0.5513196｝屬于“2“類），以及它的5個最近鄰的類別和與它之間的距離。注:第92行的代碼中文件的路徑,,F:\study\knn\data.txt"?進(jìn)行相應(yīng)改動.#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