2021-10-14

实验预习报告
最大最小距离法
一．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。
二．最大最小距离聚类算法
该算法以欧氏距离为基础，首先辨识最远的聚类中心，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。
例：样本分布如图所示。

最大最小距离聚类算法步骤如下：
① 给定，，并且任取一个样本作为第一个聚合中心，。
② 寻找新的集合中心：
计算其它所有样本到的距离：
若，则取为第二个聚合中心，。
计算所有样本到和的距离和：
若，，并且，为和间距离，则取为第三个集合中心，。【注意：，】
如果存在，则计算，，若，则建立第四个聚合中心。依次类推，直到最大最小距离不大于时，结束寻找聚合中心的计算。
注意所在第列，在中为最大的，而且，一般取。所以，。
这里的例中只有三个集合中心，，，。
③ 按最近邻原则把所有样本归属于距离最近的聚合中心，得： ，，。
④ 按照某聚类准则考查聚类结果，若不满意，则重选，第一个聚合中心，返回到②，直到满意，算法结束。
该算法的聚类结果与参数和起始点的选取关系重大。若无先验样本分布知识，则只有用试探法通过多次试探优化，若有先验知识用于指导和选取，则算法可很快收敛。
三．实验内容
见右图所示，为二维点集。
四．实验步骤
1、提取分类特征，确定特征值值域，确定特征空间；
2、编写聚类程序；
3、将所提取的样本的加以聚类；
4、用误差平方和准则（也可选用其他准则）加以评价，直到满意为止。
五 实验代码
测试代码：test.m

clear all
clc
x=[0,0; 3,8; 2,2;1,1; 5,3; 4,8; 6,3; 5,4; 6,4; 7,5]
Theta=0.5;
[pattern,centerIndex]=MaxMinDisFun(x,0.5)

%%%%%%%%%%%%%%%%%
%函数名称 MaxMinDisFun(x,Theta)
%输入参数：
% x ： x为n*m的特征样本矩阵，每行为一个样本，每列为样本的特征
% Theta：即θ，可用试探法取一固定分数，如：1/2
%输出参数：
% pattern：输出聚类分析后的样本类别
% centerIndex：聚类中心点
%函数功能 ：利用最大最小距离算法聚类样本数据，
%%%%%%%%%%%%%%%%%%%%%
function [classes,centerIndex]=MaxMinDisFun(x,Theta)
maxDistance=0;
start=1; %初始选一个中心点
index=start;%相当于指针指示新中心点的位置
k=1; %中心点计数，也即是类别
dataNum=size(x,1); %输入的样本数
centerIndex=zeros(dataNum,1); %保存中心点
distance=zeros(dataNum,1); %表示所有样本到当前聚类中心的距离
minDistance=zeros(dataNum,1); %取较小距离
classes=zeros(dataNum,1); %表示类别

centerIndex(1)=index;%保存第一个聚类中心
classes(:)=k; %初始类别全为k
%%
for i=1:dataNum
distance(i)=sqrt((x(i,:)-x(centerIndex(1)😅)(x(i,:)-x(centerIndex(1)😅)’);%欧氏距离，与第1个聚类中心的距离
classes(i)=k;%第1类
if(maxDistance<distance(i))
maxDistance=distance(i);%与第一个聚类中心的最大距离
index=i;%与第一个聚类中心距离最大的样本
end
end
%%
minDistance=distance;
% minDistance(index,1)=0;
maxVal=maxDistance;
while(maxVal>(maxDistanceTheta))%判断新的聚类中心是否满足条件
k=k+1;
centerIndex(k)=index;%判断新的聚类中心是否满足条件,若满足则新增聚类中心
for i=1:dataNum
distance(i)=sqrt((x(i,:)-x(centerIndex(k)😅)*(x(i,:)-x(centerIndex(k)😅)’);%与第k个聚类中心的距离
if(minDistance(i)>distance(i))
minDistance(i)=distance(i);
classes(i)=k;%按照当前最近临方式分类，哪个近就分哪个类别
end
end
%查找minDistance中最大值
maxVal=0;
for i=1:dataNum
if((maxVal<minDistance(i)))
maxVal=minDistance(i);
index=i;
end
end
% centerIndex(k+1)=index;%新的聚类中心
aaa=0;
end
end