第二章(K均值算法)

【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《第二章(K均值算法)》，欢迎阅读！



算法：

第一步：选K个初始聚类中心，z1(1)，z2(1)，…，zK(1)，其中括

号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个模式样本的向量值作为初始聚类中心。

第二步：逐个将需分类的模式样本{x}按最小距离准则分配给K

个聚类中心中的某一个zj(1)。

xzi(k),i1,2,K}，则假设i=j时，Dj(k)min{

xSj(k)，其中k为迭代运算的次序号，第一次迭代

k=1，Sj表示第j个聚类，其聚类中心为zj。

第三步：计算各个聚类中心的新的向量值，zj(k+1)，j=1,2,…,K

求各聚类域中所包含样本的均值向量：

zj(k1)

1

Nj

xSj(k)

x,

j1,2,,K

其中Nj为第j个聚类域Sj中所包含的样本个数。以均值向量作为新的聚类中心，可使如下聚类准则函数最小：

Jj

xSj(k)



xzj(k1),

2

j1,2,,K

在这一步中要分别计算K个聚类中的样本均值向量，所以称之为K-均值算法。

第四步：若zj(k1)zj(k)，j=1,2,…,K，则返回第二步，将模式

样本逐个重新分类，重复迭代运算；

若zj(k1)zj(k)，j=1,2,…,K，则算法收敛，计算结束。

本文来源：https://www.wddqxz.cn/999b17c6a1c7aa00b52acbeb.html