isoData算法整理 常用算法 聚类算法 kmeans算法

1. 与K-均值算法的比较
–K-均值算法通常适合于分类数目已知的聚类,而ISODATA算法则更加灵活;
–从算法角度看, ISODATA算法与K-均值算法相似,聚类中心都是通过样本均值的迭代运算来决定的;
–ISODATA算法加入了一些试探步骤,并且可以结合成人机交互的结构,使其能利用中间结果所取得的经验更好地进行分类。
 
2. ISODATA算法基本步骤和思路

(1)  选择某些初始值。可选不同的参数指标,也可在迭代过程中人为修改,以将N个模式样本按指标分配到各个聚类中心中去。

(2)  计算各类中诸样本的距离指标函数。

(3)~(5)按给定的要求,将前一次获得的聚类集进行分裂和合并处理((4)为分裂处理,(5)为合并处理),从而获得新的聚类中心。

(6)  重新进行迭代运算,计算各项指标,判断聚类结果是否符合要求。经过多次迭代后,若结果收敛,则运算结束。

3. ISODATA算法流程图:

4.ISODATA算法

第一步:输入 N N个模式样本 {xi,i=1,2,,N} {xi,i=1,2,…,N}

           预选 Nc Nc个初始聚类中心 {z1,z2,zNc} {z1,z2,…zNc},它可以不等于所要求的聚类中心的数目,其初始位置可以从样本中任意选取。

           预选: K K  = 预期的聚类中心数目;

                     θN θN = 每一聚类域中最少的样本数目,若少于此数即不作为一个独立的聚类;

                     θS θS = 一个聚类域中样本距离分布的标准差;

                     θc θc= 两个聚类中心间的最小距离,若小于此数,两个聚类需进行合并;

                     L L= 在一次迭代运算中可以合并的聚类中心的最多对数;

                     I I  = 迭代运算的次数。

第二步:将 N N个模式样本分给最近的聚类 Sj Sj,假若 Dj=min{xzi,i=1,2,Nc} Dj=min{∥x−zi∥,i=1,2,⋯Nc}

           ,即 ||xzj|| ||x−zj||的距离最小,则 xSj x∈Sj

第三步:如果 Sj Sj中的样本数目SjN,则取消该样本子集,此时Nc减去1。

           (以上各步对应基本步骤(1))

 

第四步:修正各聚类中心

zj=1NjxSjx,j=1,2,,Nc zj=1Nj∑x∈Sjx,j=1,2,⋯,Nc

第五步:计算各聚类域Sj中模式样本与各聚类中心间的平均距离

D¯j=1NjxSjxzj,j=1,2,,Nc D¯j=1Nj∑x∈Sj∥x−zj∥,j=1,2,⋯,Nc

第六步:计算全部模式样本和其对应聚类中心的总平均距离

D¯=1Nj=1NNjD¯j D¯=1N∑j=1NNjD¯j

(以上各步对应基本步骤(2))

 

第七步:判别分裂、合并及迭代运算

  1. 若迭代运算次数已达到I次,即最后一次迭代,则置θc =0,转至第十一步。
  2. NcK2 Nc≤K2
    ,即聚类中心的数目小于或等于规定值的一半,则转至第八步,对已有聚类进行分裂处理。
  3. 若迭代运算的次数是偶数次,或 Nc2K Nc≥2K
    ,不进行分裂处理,转至第十一步;否则(即既不是偶数次迭代,又不满足 Nc2K Nc≥2K),转至第八步,进行分裂处理。

(以上对应基本步骤(3))

 

第八步:计算每个聚类中样本距离的标准差向量

σj=(σ1j,σ2j,,σnj)T σj=(σ1j,σ2j,…,σnj)T

          其中向量的各个分量为

σij=1Njk=1Nj(xikzij)2 σij=1Nj∑k=1Nj(xik−zij)2

          式中,i = 1, 2, …, n为样本特征向量的维数,j = 1, 2, …, Nc为聚类数,Nj为Sj中的样本个数。

第九步:求每一标准差向量{σj, j = 1, 2, …, Nc}中的最大分量,以{σjmax, j = 1, 2, …, Nc}代表。

第十步:在任一最大分量集{σjmax, j = 1, 2, …, Nc}中,若有σjmaxS ,同时又满足如下两个条件之一:

  1. D¯j>D¯ D¯j>D¯和Nj > 2(θN + 1),即Sj中样本总数超过规定值一倍以上,
  2. NcK2 Nc≤K2

       则将zj 分裂为两个新的聚类中心和,且Nc加1。 中对应于σjmax的分量加上kσjmax,其中;中对应于σjmax的分量减去kσjmax

       如果本步骤完成了分裂运算,则转至第二步,否则继续。

      (以上对应基本步骤(4)进行分裂处理)

 

第十一步:计算全部聚类中心的距离

                 

Dij=||zizj||i=1,2,,Nc1j=i+1,,Nc Dij=||zi−zj||,i=1,2,…,Nc−1,j=i+1,…,Nc

第十二步:比较Dij 与θc 的值,将Dij <θc 的值按最小距离次序递增排列,即

{Di1j1,Di2j2,,DiLjL} {Di1j1,Di2j2,…,DiLjL}

             式中 Di1j1<Di2j2<<DiLjL Di1j1<Di2j2<…<DiLjL

第十三步:将距离为 Dikjk Dikjk的两个聚类中心 Zik Zik Zjk Zjk合并,得新的中心为:

             

zk=1Nik+Njk[Nikzik+Njkzjk],k=1,2,,L zk∗=1Nik+Njk[Nikzik+Njkzjk],k=1,2,⋯,L

              式中,被合并的两个聚类中心向量分别以其聚类域内的样本数加权,使 Zk Zk∗为真正的平均向量。

             (以上对应基本步骤(5)进行合并处理)

 

第十四步:如果是最后一次迭代运算(即第I次),则算法结束;否则,若需要操作者改变输入参数,转至第一步;若输入参数不变,转至第二步。

              在本步运算中,迭代运算的次数每次应加1。

 [算法结束]

5.例子:试用ISODATA算法对如下模式分布进行聚类分析:

{x1(0,0),x2(3,8),x3(2,2),x4(1,1),x5(5,3),x6(4,8),x7(6,3),x8(5,4),x9(6,4),x10(7,5)} {x1(0,0),x2(3,8),x3(2,2),x4(1,1),x5(5,3),x6(4,8),x7(6,3),x8(5,4),x9(6,4),x10(7,5)}

 

我们可以知道,N=10,n=2。假设取初始值 Nc=1 Nc=1,z1=x1=(0 0)T,则运算步骤如下:

(1)   设置控制参数

            取K=3,θN=1,θS=1,θc=4,L=1,I=4

(2)   按最小距离原则将模式集(xi)中每个模式分到某一类中。

          由于此时只有一个聚类中心,因此S1={x1, x2, …, x10},N1=10

(3)   因N1N ,无子集可抛

(4)   修改聚类中心

z1=1N1xS1x=(3.93.8) z1=1N1∑x∈S1x=(3.93.8)

(5)   计算模式样本与聚类中心间的平均距离 D¯1 D¯1

D¯1=1N1xS1xz1=3.0749 D¯1=1N1∑x∈S1∥x−z1∥=3.0749

(6)   计算全部模式样本和其对应聚类中心的总平均距离

D¯=D¯1=3.0749 D¯=D¯1=3.0749

(7)   因不是最后一次迭代,且 Nc<K/2 Nc<K/2,进入(8)

(8)   计算S1中的标准差向量

σ1=(2.21132.5219) σ1=(2.21132.5219)

(9)  σ1max σ1max  中的最大分量是2.5219,因此  σ1max=2.5219 σ1max=2.5219

(10)因 σ1max>θs σ1max>θs 且 Nc<K2 Nc<K2,可将z1分裂成两个新的聚          类。设 rj=0.5σ1max1.261 rj=0.5σ1max≈1.261.则

z+1=(3.95.061),z1=(3.92.539) z1+=(3.95.061),z1−=(3.92.539)

           为方便起见,将 z+1 z1+ z1 z1−表示为z1和z2,Nc加1 , Nc=2 Nc=2.

(11)   重新进行分类

样本点

特征值

到z1的距离

到z2的距离

聚类结果

X1

0

0

6.3893

4.6537

S2

X2

3

8

3.0737

5.5347

S1

X3

2

2

3.6027

1.975

S2

X4

1

1

4.9902

3.2831

S2

X5

5

3

2.3362

1.1927

S2

X6

4

8

2.9407

5.4619

S1

X7

6

3

2.9424

2.15

S2

X8

5

4

1.5283

1.8288

S1

X9

6

4

2.3528

2.5582

S1

X10

7

5

3.1006

3.9581

S1

S1={x2,x6,x8,x9,x10},N1=5 S1={x2,x6,x8,x9,x10},N1=5

S2={x1,x3,x4,x5,x7},N2=5 S2={x1,x3,x4,x5,x7},N2=5

(12)   因N1N 且N2N,无子集可抛。

(13)   修改聚类中心

z1=1N1xS1x=(55.8) z1=1N1∑x∈S1x=(55.8)

z2=1N2xS2x=(2.81.8) z2=1N2∑x∈S2x=(2.81.8)

(14)   计算模式样本与聚类中心间的平均距离 D¯j,j=1,2 D¯j,j=1,2

D¯1=1N1xS1xz1=2.2806 D¯1=1N1∑x∈S1∥x−z1∥=2.2806

D¯2=1N2xS2xz2=2.4093 D¯2=1N2∑x∈S2∥x−z2∥=2.4093

(15)   计算全部模式样本和其对应聚类中心的总平均距离 D¯

D¯=1Nj=1NNjD¯j=110j=12NjD¯j=2.345 D¯=1N∑j=1NNjD¯j=110∑j=12NjD¯j=2.345

(16)   因是偶数次迭代,所以进行合并

(17)   计算聚类对之间的距离

D12=z1z2=4.5651 D12=∥z1−z2∥=4.5651

(18)   比较 D12 D12 与θc , D12 D12>θc,所以聚类中心不发生合并

(19)   没有达到所需的聚类数,所以继续进行,重新分类

样本点

特征值

到z1的距离

到z2的距离

聚类结果

X1

0

0

7.6577

3.3287

S2

X2

3

8

2.9732

6.2032

S1

X3

2

2

4.8415

0.82462

S2

X4

1

1

6.2482

1.9698

S2

X5

5

3

2.8

2.506

S2

X6

4

8

2.4166

6.3151

S1

X7

6

3

2.9732

3.4176

S1

X8

5

4

1.8

3.1113

S1

X9

6

4

2.0591

3.8833

S1

X10

7

5

2.1541

5.2802

S1

S1={x2,x6,x7,x8,x9,x10},N1=6 S1={x2,x6,x7,x8,x9,x10},N1=6

S2={x1,x3,x4,x5},N2=4 S2={x1,x3,x4,x5},N2=4

(20)   因N1N 且N2N,无子集可抛。

(21)   修改聚类中心

z1=1N1xS1x=(5.16675.3333) z1=1N1∑x∈S1x=(5.16675.3333)

z2=1N2xS2x=(21.5) z2=1N2∑x∈S2x=(21.5)

(22)   计算模式样本与聚类中心间的平均距离, D¯1,j=1,2 D¯1,j=1,2

D¯1=1N1xS1xz1=2.2673 D¯1=1N1∑x∈S1∥x−z1∥=2.2673

D¯2=1N2xS2xz2=1.868 D¯2=1N2∑x∈S2∥x−z2∥=1.868

(23)   计算全部模式样本和其对应聚类中心的总平均距离 D¯

D¯=1Nj=1NNjD¯j=110j=12NjD¯j=2.1076 D¯=1N∑j=1NNjD¯j=110∑j=12NjD¯j=2.1076

(24)   此次是奇数次迭代,并且 Nc>K2 Nc>K2,所以进行分裂操作

(25)   计算 S1={x2,x6,x7,x8,x9,x10} S1={x2,x6,x7,x8,x9,x10}

S21={x1,x3,x4,x5} S21={x1,x3,x4,x5}

的标准差

σ1=(1.34371.972),σ2=(1.87081.118) σ1=(1.34371.972),σ2=(1.87081.118)

(26) σ1max=1.972,σ2max=1.8708 σ1max=1.972,σ2max=1.8708

(27)此时, σ1max=1.972>θs,N1=6>2(θN+1)=4 σ1max=1.972>θs,N1=6>2(θN+1)=4 D¯1>D¯ D¯1>D¯,所以满足分裂的条件,将S1进行分裂。

\rj=0.5σ1max0.986 \rj=0.5σ1max≈0.986,则

z+1=(5.16676.3193),z1=(5.16674.3473) z1+=(5.16676.3193),z1−=(5.16674.3473)

 为方便起见,将 Z+1 Z1+Z_^-Z_^-表示为 Z11 Z11 Z12 Z12, Nc Nc加1, Nc=3 Nc=3.

(28)重新进行分类

样本点

特征值

到的距离

到的距离

到的距离

聚类结果

X1

0

0

8.1626

6.7523

2.5

S2

X2

3

8

2.7421

4.247

6.5765

S11

X3

2

2

5.3558

3.9418

0.5

S2

X4

1

1

6.7569

5.3447

1.118

S2

X5

5

3

3.3235

1.3576

3.3541

S12

X6

4

8

2.046

3.8345

6.8007

S11

X7

6

3

3.4223

1.5842

4.272

S12

X8

5

4

2.3253

0.38524

3.9051

S12

X9

6

4

2.4645

0.90278

4.717

S12

X10

7

5

2.2587

1.946

6.1033

S12

S11={x2,x6},N11=2 S11={x2,x6},N11=2

S12={x5,x7,x8,x9,10},N12=5 S12={x5,x7,x8,x9,10},N12=5

(29)   因N11N 且N12N且N2N,无子集可抛

(30)   修改聚类中心

S2={x1,x3,x4},N2=3 S2={x1,x3,x4},N2=3

z11=1N11xS11x=(3.58) z11=1N11∑x∈S11x=(3.58)

z12=1N12xS12x=(5.83.8) z12=1N12∑x∈S12x=(5.83.8)

z2=1N2xS2x=(11) z2=1N2∑x∈S2x=(11)

(31)   计算模式样本与聚类中心间的平均距离 D¯j D¯j

D¯11=1N11xS11xz11=0.5 D¯11=1N11∑x∈S11∥x−z11∥=0.5

D¯12=1N12xS12xz12=0.9521 D¯12=1N12∑x∈S12∥x−z12∥=0.9521

D¯2=1N2xS2xz2=0.94281 D¯2=1N2∑x∈S2∥x−z2∥=0.94281

(32)   计算全部模式样本和其对应聚类中心的总平均距离 D¯

D¯=1NNjD¯j=110NjD¯j=0.85889 D¯=1N∑NjD¯j=110∑NjD¯j=0.85889

(33)   因是偶数次迭代,所以进行合并

(34)   计算聚类对之间的距离

 

 Z11 Z12  Z13 
 Z11

0

4.7885

7.433

Z12 

4.7885

0

5.557

Z2 

7.433

5.557

0

所以

D1112=z11z12=4.7885>θc=4 D1112=∥z11−z12∥=4.7885>θc=4

D112=z11z2=7.433>θc=4 D112=∥z11−z2∥=7.433>θc=4

D122=z12z2=5.557>θc=4 D122=∥z12−z2∥=5.557>θc=4

            故没有可以合并的类

(35)   最后一次迭代,算法结束。

             最终的聚类结果是

S1={x2,x6},S2={x5,x7,x8,x9,x10},S3={x1,x3,x4},N2=3 S1={x2,x6},S2={x5,x7,x8,x9,x10},S3={x1,x3,x4},N2=3

6 .聚类结果的评价
     迅速评价聚类结果,在上述迭代运算中是很重要的,特别是具有高维特征向量的模式,不能直接看清聚类效果,因此,可考虑用以下几个指标来评价聚类效果:
    –聚类中心之间的距离
          •距离值大,通常可考虑分为不同类
    –聚类域中的样本数目
          •样本数目少且聚类中心距离远,可考虑是否为噪声
    –聚类域内样本的距离方差
          •方差过大的样本可考虑是否属于这一类
 
     模式聚类目前还没有一种通用的放之四海而皆准的准则,往往需要根据实际应用来选择合适的方法。

 

该资料整理于国科大《模式识别》讲稿和作业。

  • 0
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值