实验一：最大最小距离算法 预习报告

实验目的：本实验的目的是使学生了解最大最小距离法聚类方法，掌握最大最小距离聚类分析法的基本原理，培养学生实际动手和思考能力，为数据分析和处理打下牢固基础。

基本思想：最大最小距离法是模式识别中一种基于试探的类聚算法，它以欧式距离为基础，取尽可能远的对象作为聚类中心。因此可以避免K-means法初值选取时可能出现的聚类种子过于临近的情况，它不仅能智能确定初试聚类种子的个数，而且提高了划分初试数据集的效率。
    该算法以欧氏距离为基础，首先初始一个样本对象作为第1个聚类中心，再选择一个与第1个聚类中心最远的样本作为第2个聚类中心，然后确定其他的聚类中心，直到无新的聚类中心产生。最后将样本按最小距离原则归入最近的类。

算法原理和步骤：

1.从N NN个样本集中的任选取一个样本，作为第一个聚类中心z 1

2.选取距离第一个聚类中心z 1 最远的样本作为第二个聚类中心z 2 

3.计算其余样本与z 1 、、z 2之间的距离，并求出它们中的最小值

matlab代码实现：

clear all
close all
clc
%坐标点，初始化选定比例系数
num = 10;eta = 0.5;
axis([0 10 0 10]);
hold on
%c = zeros(10,1);z = zeros(10,2);
x1 = [0,0];x2 = [3,8];x3 = [2,2];x4 = [1,1];
x5