isodata算法 matlab,isodata自适应聚类算法——2017年F题（matlab）（待完成）

最新推荐文章于 2024-05-02 17:12:44 发布

太田秋明

最新推荐文章于 2024-05-02 17:12:44 发布

阅读量622

点赞数

文章标签： isodata算法 matlab

这是一个使用Matlab编写的ISODATA聚类算法程序，旨在通过迭代进行数据聚类。程序中定义了不同参数，如预期聚类中心数、最小样本数、标准差和最小距离等，以控制聚类过程。算法首先根据预设参数初始化聚类中心，然后根据样本与中心的距离进行聚类，并在后续迭代中调整聚类中心，直到满足停止条件或达到最大迭代次数。

摘要由CSDN通过智能技术生成

%ISODATA算法的Ｍatlab程序 Design by shuijian ([email protected])%相关函数说明见函数定义%x=样本特征空间%clusterNumber=预期聚类中心数目%leastNumber=最小聚类中的样本数，少于此数将不能作为独立的样本%stdvar=样本距离分布的标准差，随着迭代中结果逐渐优化，标准差应该越来越小才合理。%minmumDistance=两聚类中心的最小距离，小于此数将两个聚类合并%maximumCluster=一次运算中可以合并的聚类中心的最大对数%opCount=迭代运算次数%n=，x中元素个数%number=x中元素特征数目%s=聚类结果%clusterCenter=聚类中心%clusterCount =聚类中心元素数目

function [s,clusterCenter,clusterCount]=isodata1(x,n,number,clusterNumber,leastNumber,stdvar,minmumDistance,maximumCluster,opCount)

K= clusterNumber; % K=10; 预期聚类中心数目

qn= leastNumber; % qn=5; 每个聚类中至少有一个样本；否则不构成一个聚类

qs= stdvar; % qs=1; 与对应聚类中最大标准差分量maxQs(i)对比；如果maxQs(i)>qs，则进行分裂处理

qc= minmumDistance; % qc=10000; 小于这个最小距离即进行聚类中心的合并

L= maximumCluster; % L=1; 一次运算中可以合并的最大对数

I= opCount; % I=