numpy实现K-means聚类算法(可选是否已知类别数)和VQ-LBG矢量量化算法以及散点数据生成(含完整实验报告)

numpy实现K-means聚类算法(可选是否已知类别数)和VQ-LBG矢量量化算法以及散点数据生成（含完整实验报告）

 

实验报告完整，质量不低，加上你学校的封面就能交，也可用来交流学习:

(20条消息) 模式识别K-means和VQ-LBG算法的完整实验报告（加上名字就能交）-机器学习文档类资源-CSDN文库

原理就不说了，Github链接如下：GitHub - Hao-Ke-Shui/K-means_and_VQ-LBG_clustering_algorithms: numpy实现K均值算法(可选是否已知类别数)和VQ-LBG聚类算法numpy实现K均值算法(可选是否已知类别数)和VQ-LBG聚类算法. Contribute to Hao-Ke-Shui/K-means_and_VQ-LBG_clustering_algorithms development by creating an account on GitHub.https://github.com/Hao-Ke-Shui/K-means_and_VQ-LBG_clustering_algorithms

主要描述一下代码功能

只有一个main文件，里面有四个函数

1、数据生成函数

def Databuild(sample_num, cla_num, *cla_locat)

# 输入依次是样本数, 类别数，类别中心
# 输出数据数组

2、VQ-LBG函数

def VQ_LBG(code_num, para1 ,data)

# 输入依次是码字个数、参数、数据
# 输出依次是各码字位置、各码字所含样本点

3、K-menas函数

def K_means(data, know_cla_num = False, *para)

# 当 know_cla_num=True 时，为已知类别数的K-means
  # 输入依次是数据、True、类别数
  # 输出依次是各聚类中心位置、各聚类中心所含样本点
# 当 know_cla_num=False 时，为未知类别数的K-means
  # 输入依次是数据、False、迭代终止参数
  # 输出依次是各聚类中心位置、各聚类中心所含样本点

4、主函数

def main()

# 用来生成数据、进行聚类操作、画图

参考结果如下：

 

 

代码功能完整，注释丰富，非常适合大家学习交流！