西安交大,模式识别,基于IRIS的K-means聚类与ISODATA聚类算法.pdf

西安交大,模式识别,基于IRIS的K-means聚类与ISODATA聚类算法.pdf

  1. 1、本文档共23页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
西安交大,模式识别,基于IRIS的K-means聚类与ISODATA聚类算法

一.K-means 聚类算法 1.1 实验目的 练习K-means 聚类算法,对IRIS 数据进行分类,加深对K-means 聚类算法 的理解。 1.2 实验原理 K-means 聚类算法有如下几个步骤: Step1:选择 K 个初始的聚类中心 Step2:将样本集中的样本按照最小距离准则分配到最临近聚类(本实验中采用欧 式距离) Step3:分配完成后计算各个聚类中心 Step4:如果聚类中心改变则返回step2 重复,进行迭代。 如果聚类中心不改变,则算法收敛,结束。 1.3 聚类效果评价 经过文献学习,我采取了基于人工标注簇的F 值来评价聚类效果的优劣。 C 对每个人工标注的簇 假设在 结构中存在一个与之对应的簇 ,但这个对 P C j i C m 应关系是未知的。为了发现 ,我们遍历聚类结果 中的 个簇,分别计算准 C i 确率、召回率和F 值,从中挑选最优指标值及其对应的簇,以最优的指标值来判 定 的质量。 P j 对于任何的人工标注簇 和聚类簇 相应的准确率、召回率和F 值计算公式 P C j i 如下: a.准确率 P C j i P (P ,C ) (1) j i C i b.召回率 P C j i R (P ,C ) (2) j i P j c.F 值 ⋅P P C ⋅R P C 2 ( j , i ) ( j , i )

文档评论(0)

dajuhyy + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档