继上两篇文章介绍聚类中基于划分思想的k-means算法和k-mediod算法
本文将继续介绍第二种基于划分思想的k-mediod算法-----clara算法
clara算法能够说是对k-mediod算法的一种改进,就如同k-mediod算法对
k-means算法的改进一样.clara(clustering large application)算法是应用
于大规模数据的聚类.而其核心算法还是利用k-mediod算法.仅仅是这样的算法
弥补了k-mediod算法仅仅能应用于小规模数据的缺陷.
clara算法的核心是,先对大规模数据进行多次採样,每次採样样本进行med-diod
聚类,然后将多次採样的样本聚类中心进行比較,选出最优的聚类中心.
当然clara算法也有一定的缺陷,由于它依赖于抽样次数,每次样本数据
是否均匀分布,以及抽样样本的大小.虽然这样,clara算法还是为我们
提供了一种进行大规模数据聚类的方法.
clara算法的详细描写叙述例如以下:
1.对大规模数据进行多次採样得到採样样本
2.对每次採样的样本进行k-mediod聚类,得到多组聚类中心
3.求出每组聚类中心到其它全部点距离和.
4.找出这几组距离和的最小值.距离和最小的那组就是最优的聚类中心.
5.然后将大规模数据依照距离聚类到这组最优聚类中心
matlab仿真代码例如以下:
clc;
clear;
load Data3.mat;
k=3; %给定的类别数目
time=5;%time为抽样的次数
number=30;%number为抽样本个数
for T=1:time
ClomStaticSample=zeros(1,number);
ClomStaticSample=randsample(ClomStatic,number); %ClomStaticSample就是样本数据
%接下来对样本数据使用kmediod算法进行聚类
%产生三个随机整数,随机聚类中心
p=randperm(number);
Temp=p(1:k);
Center=zeros(1,k);
for j=1:k
Center(j)=ClomStaticSample(Temp(j));
end
[ClomStaticSample]=sort(ClomStaticSample);
TempDistance=zeros(number,3); %暂存差值
while 1
Circulm=1; %循环控制
p1=1;
p2=1;
p3=1;
if(Circulm~=1)
clear Group1 Group2 Group3;
end
for i=1:number
for j=1:3
TempDistance(i,j)=abs(ClomStaticSample(i)-Center(j));
end
[RowMin RowIndex]=min(TempDistance(i,:));
if(RowIndex(1)==1)
Group1(p1)=ClomStaticSample(i);
p1=p1+1;
elseif(RowIndex(1)==2)
Group2(p2)=ClomStaticSample(i);
p2=p2+1;
elseif(RowIndex(1)==3)
Group3(p3)=ClomStaticSample(i);
p3=p3+1;
end
end
len1=length(Group1);
len2=length(Group2);
len3=length(Group3);
%分别计算每一个类中除开类中心的点到其它全部点的距离和E,E最小时为该类新的聚类中心.
E=zeros(1,len1-1);
q1=1;
for j=1:len1
for i=1:number
if(Group1(j)~=Center(1)&&i~=j)
E(q1)=floor(abs(Group1(j)-ClomStaticSample(i)));
q1=q1+1;
end
end
end
NewCenter(1)=min(E);
E=zeros(1,len2-1);
q2=1;
for j=1:len2
for i=1:number
if(Group2(j)~=Center(2)&&i~=j)
E(q2)=floor(abs(Group2(j)-ClomStaticSample(i)));
q2=q2+1;
end
end
end
NewCenter(2)=min(E);
E=zeros(1,len3-1);
q3=1;
for j=1:len3
for i=1:number
if(Group3(j)~=Center(3)&&i~=j)
E(q3)=floor(abs(Group3(j)-ClomStaticSample(i)));
q3=q3+1;
end
end
end
NewCenter(3)=min(E);
%推断新的类和旧类的聚类中心是否不同,不同则继续聚类,否则聚类结束
JudgeEqual=zeros(1,k);
for i=1:k
JudgeEqual=(NewCenter==Center);
end
S=0;
for i=1:k
if(JudgeEqual(i)==1)
S=S+1;
end
end
if(S==3)
break;
end
Circulm=Circulm+1;
end
CenterSum5=zeros(time,k); %保存每次抽样后kmediod聚类中心的结果值.
CenterSum5(i,1)=Center(1);
CenterSum5(i,2)=Center(2);
CenterSum5(i,3)=Center(3);
end
%计算每次聚类中心点到其它全部点的距离和的最小值即为最优聚类中心
Sum=zeros(1,time);
for i=1:time
for j=1:k
for r=1:number-1
if( CenterSum5(i,j)~=ClomStaticSample(r))
Sum(i)=Sum(i)+CenterSum5(i,j)-ClomStaticSample(r);
end
end
end
end
[SumOrder CenterEnd]=sort(Sum);%最优聚类中心即为Center(CenterEnd);
%对大数据进行终于的聚类(依照选择出来的最优聚类中心)
q1=1;
q2=1;
q3=1;
for i=1:length(ClomStatic)
for j=1:3
EndTempDistance(i,j)=abs(ClomStatic(i)-CenterSum5(CenterEnd,j));
end
[RowMin RowIndex]=min(EndTempDistance(i,:));
if(RowIndex(1)==1)
EndGroup1(q1)=ClomStatic(i);
q1=q1+1;
elseif(RowIndex(1)==2)
EndGroup2(q2)=ClomStatic(i);
q2=q2+1;
elseif(RowIndex(1)==3)
EndGroup3(q3)=ClomStatic(i);
q3=q3+1;
end
end
转载请注明文章作者:小刘