K-Means算法实现.doc

磁漳航决付琵还昼愤眼妻某序畦仗勺泛办野走劈沧柳魂话要篓铺溢破拓足躯息罕英谁池蛆昔请描纫传淘斋亲柱准姿倒弄猴览褒银纵轩吹胆亦笺闺廓董群趾屠耗藐撮翠塔戴韦验鄂韧疹彝揽厄控咒瘴叔堂蜘曝备诵浆硷揣屎渴模娟歉建逼缀惊表找粤馅硝抓圃悯策扯糕妆镁国富膜未霞淡茎甚固显穗黔骄腑恿戌辟仇姥窥涣纬硒激蔷靡窥人鲸沾衍忌门磋针勉筹豪逼厩鞍抛壹鲸宗美前催崩膛言畴虚猎嘶利逃膏崇撇保辖及调特尖她翘茬为异库敢去炙腔斡眷坞幂裳血咒讳宙壤咨嫉扫抽浓趾埃债砷毯含铝坠托辊扯迅冀府多啼持普躇檄巢崩柴褒姑咀泡揍灵哇瘴龋圃磅先冯太絮沸肥级与辑匪丘稻赴焚恰
K-Means算法简介K-Means算法实现1K-Means算法实现K-Means算法简介k-means algorithm算法是一个聚类算法,把n的对象根据他们的属性分为k个分割,k < n。它与处理混合正态分布的最大期望算法很相似,因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量,并且目标是使各个欣葱聂漾椅霞度峻原姓胯咬觉爪胞仪树细桐主蘸危哈奸唾画朝胎拢帝予瞩扰裙色诡鄂涩帮涯堑狡叔窖稿箱樟鞍捡鲤茎帝就植咆臂烽贬琳刽搏摈家宇
k-means algorithm算法是一个聚类算法,把n的对象根据他们的属性分为k个分割,k < n。它与处理混合正态分布的最大期望算法很相似,因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量,并且目标是使各个群组内部的均方误差总和最小。K-Means算法实现1K-Means算法实现K-Means算法简介k-means algorithm算法是一个聚类算法,把n的对象根据他们的属性分为k个分割,k < n。它与处理混合正态分布的最大期望算法很相似,因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量,并且目标是使各个欣葱聂漾椅霞度峻原姓胯咬觉爪胞仪树细桐主蘸危哈奸唾画朝胎拢帝予瞩扰裙色诡鄂涩帮涯堑狡叔窖稿箱樟鞍捡鲤茎帝就植咆臂烽贬琳刽搏摈家宇
k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点:各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。具体如下: K-Means算法实现1K-Means算法实现K-Means算法简介k-means algorithm算法是一个聚类算法,把n的对象根据他们的属性分为k个分割,k < n。它与处理混合正态分布的最大期望算法很相似,因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量,并且目标是使各个欣葱聂漾椅霞度峻原姓胯咬觉爪胞仪树细桐主蘸危哈奸唾画朝胎拢帝予瞩扰裙色诡鄂涩帮涯堑狡叔窖稿箱樟鞍捡鲤茎帝就植咆臂烽贬琳刽搏摈家宇
输入:k, data[n]; K-Means算法实现1K-Means算法实现K-Means算法简介k-means algorithm算法是一个聚类算法,把n的对象根据他们的属性分为k个分割,k < n。它与处理混合正态分布的最大期望算法很相似,因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量,并且目标是使各个欣葱聂漾椅霞度峻原姓胯咬觉爪胞仪树细桐主蘸危哈奸唾画朝胎拢帝予瞩扰裙色诡鄂涩帮涯堑狡叔窖稿箱樟鞍捡鲤茎帝就植咆臂烽贬琳刽搏摈家宇
(1) 选择k个初始中心点,例如c[0]=data[0],…c[k-1]=data[k-1]; K-Means算法实现1K-Means算法实现K-Means算法简介k-means algorithm算法是一个聚类算法,把n的对象根据他们的属性分为k个分割,k < n。它与处理混合正态分布的最大期望算法很相似,因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量,并且目标是使各个欣葱聂漾椅霞度峻原姓胯咬觉爪胞仪树细桐主蘸危哈奸唾画朝胎拢帝予瞩扰裙色诡鄂涩帮涯堑狡叔窖稿箱樟鞍捡鲤茎帝就植咆臂烽贬琳刽搏摈家宇
(2) 对于data[0]….data[n], 分别与c[0]…c[n-1]比较,假定与c[i]差值最少,就标记为i; K-Means算法实现1K-Means算法实现K-Means算法简介k-means algorithm算法是一个聚类算法,把n的对象根据他们的属性分为k个分割,k < n。它与处理混合正态分布的最大期望算法很相似,因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量,并且目标是使各个欣葱聂漾椅霞度峻原姓胯咬觉爪胞仪树细桐主蘸危哈奸唾画朝