基于C均值(K均值)对数据进行聚类分析.doc

模式识别大作业 题目：对数据进行聚类分析的实验（五） 姓名：黎 照 姓名：陈升富 姓名：益 琛 日期：2012/5/10 一、基本要求 用FAMALE.TXT、MALE.TXT和test2.txt的数据作为本次实验使用的样本集，利用C均值和分级聚类方法对样本集进行聚类分析，对结果进行分析，从而加深对所学内容的理解和感性认识。 主要思想 1、把FAMALE.TXT和MALE.TXT两个文件合并成一个，同时采用身高和体重数据作为特征，设类别数为2，利用C均值聚类方法对数据进行聚类，并将聚类结果表示在二维平面上。尝试不同初始值对此数据集是否会造成不同的结果。 对1中的数据利用C均值聚类方法分别进行两类、三类、四类、五类聚类，画出聚类指标与类别数之间的关系曲线，探讨是否可以确定出合理的类别数目。 对1中的数据利用分级聚类方法进行聚类，分析聚类结果，体会分级聚类方法。 利用test2.txt数据或者把test2.txt的数据与上述1中的数据合并在一起，重复上述实验，考察结果是否有变化，对观察到的现象进行分析，写出体会。 实验原理 C均值聚类方法 （2）C均值算法步骤： 1、任选C个初始聚类中心 。一般以开头C个样本作为初始中心。 2、将模式样本集的每一样本按最小距离原则分配给C个聚 类中心，即在第m次迭代时，若 则， ， 表示第m次迭代时，以第j个聚类中心为代表的聚类域 3由步骤2计算新的聚类中心，即: 式中Ni为第i个聚类域 中的样本个数。其均值向量作为新的聚类中心，因为这样可以使误差平方和准则函数: 达到最小值。 4若 ，算法收敛，计算完毕。否则返回到步骤2，进行下一次迭代。 (3)算法流程图 实验源代码 1、主程序 clear all clc [FH FW]=textread(C:\Users\lenvo\Desktop\D??¨???t?D\FEMALE.txt,%f %f); [MH MW]=textread(C:\Users\lenvo\Desktop\D??¨???t?D\MALE.txt,%f %f); Data(1:50,1)=FH;Data(51:100,1)=MH; Data(1:50,2)=FW;Data(51:100,2)=MW; C=input(ê?è?C￡o) [U,P,Dist,Cluster_Res,Obj_Fcn,iter]=fuzzycm(Data,C) plot(Data(:,1), Data(:,2),o); hold on; maxU = max(U); index1 = find(U(1,:) == maxU); index2 = find(U(2,:) == maxU); line(Data(index1,1),Data(index1,2),marker,*,color,g); line(Data(index2,1),Data(index2,2),marker,*,color,r); plot([P([1 2],1)],[P([1 2],2)],*,color,k) hold off; 2、子程序 function [U,P,Dist,Cluster_Res,Obj_Fcn,iter]=fuzzycm(Data,C,plotflag,M,epsm) if nargin5 epsm=1.0e-6; end if nargin4 M=2; end if nargin3 plotflag=0; end [N,S]=size(Data);m=2/(M-1);iter=0; Dist(C,N)=0; U(C,N)=0; P(C,S)=0; % ???ú3?ê??ˉ??·????ó U0 = rand(C,N); U0=U0./(ones(C,1)*sum(U0)); % FCM μ?μü′ú??·¨ while true % μü′ú??êy?÷ iter=iter+1; % ?????ò?üD???àà?DD? P Um=U0.^M; P=Um*Data./(ones(S,1)*sum(Um)); % ?üD???·????ó U for i=1:C for j=1:N Dist(i,j)=fuzzydist(P(i,:),Data(j,:)); end end