相继平均法matlab代码_模式识别matlab编程：用k次平均法将20个样本分成2类

样本序号

x

1

x

2

x

3

x

4

x

5

x

6

x

7

x

8

x

9

x

10

特征

x1

0

1

0

1

2

1

2

3

6

7

特征

x2

0

0

1

1

1

2

2

2

6

6

x

11

x

12

x

13

x14

x15

x

16

x

17

x

18

x

19

x

20

8

6

7

8

9

7

8

9

8

9

6

7

7

7

7

8

8

8

9

9

用

K

次平均算法分成

2

类，编程上机，并画出分类图。

MA

TLAB

程序代码：

clear

x=[0 0;1 0;0 1; 1 1;2 1;1 2;2 2;3 2;6 6;7 6;8 6;6 7;7 7;8 7;9 7;7 8;8 8;9 8;8 9; 9 9];

z=zeros(2,2);

z1=zeros(2,2);

z=x(1:2,1:2);

while

1

count=zeros(2,1);

allsum=zeros(2,2);

for

i=1:20

%

对每一个样本

i

，计算到

2

个聚类中心的距离

temp1=sqrt((z(1,1)-x(i,1)).^2+(z(1,2)-x(i,2)).^2);

temp2=sqrt((z(2,1)-x(i,1)).^2+(z(2,2)-x(i,2)).^2);

if

(temp1

%

按最小距离原则将样本归类

count(1)=count(1)+1;

allsum(1,1)=allsum(1,1)+x(i,1);

allsum(1,2)=allsum(1,2)+x(i,2);

else

count(2)=count(2)+1;

%

统计属于第

2

类的样本数量

allsum(2,1)=allsum(2,1)+x(i,1);

allsum(2,2)=allsum(2,2)+x(i,2);

end

end

z1(1,1)=allsum(1,1)/count(1);

%

计算各个聚类的新向量值

z1(1,2)=allsum(1,2)/count(1);

z1(2,1)=allsum(2,1)/count(2);

z1(2,2)=allsum(2,2)/count(2);