基于ISODATA算法的IRIS聚类

一、 实验介绍

ISODATA算法的全称是Iterative Self－Organizing Data Analysis Techniques Algorithm，中文译名为“迭代自组织的数据分析算法”。ISODATA算法的特点是可以通过类的自动合并（两类合一）与分裂（一类分为二），得到较合理的类型数目c；属于动态聚类算法，相较于传统的C-均值聚类，类型数目可变，但也较为复杂。

IRIS数据是由鸢尾属植物的三种单独的花的测量结果所组成，模式类别数为3，特征维数是4，每类各有50个模式样本，总共有150个样本。

本次实验将IRIS数据的150个样本看做混合样本，使用ISODATA聚类算法对其进行聚类分析，实验所使用的的软件为Matlab R2016a。

一、 算法原理

ISODATA聚类算法在别的博客已经很清楚了，这里不再赘述。其中涉及到的参数如下：

给定控制参数：

k：预期的聚类中心数目；

qn：每一聚类中最少的样本数目，如果少于此数就不能作为一个独立的聚类；

qs：一个聚类域中样本距离分布的标准差（阈值）；

qc：两个聚类中心之间的最小距离，如果小于此数，两个聚类合并；

L：每次迭代允许合并的最大聚类对数目；

I：允许的最多迭代次数；

<