欢迎来到天天文库
浏览记录
ID:38188610
大小:14.19 KB
页数:3页
时间:2019-06-07
《Matlab中Kmeans函数的使用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、Matlab的K-均值聚类Kmeans函数K-means聚类算法采用的是将N*P的矩阵X划分为K个类,使得类内对象之间的距离最大,而类之间的距离最小。使用方法:Idx=Kmeans(X,K)[Idx,C]=Kmeans(X,K)[Idc,C,sumD]=Kmeans(X,K)[Idx,C,sumD,D]=Kmeans(X,K)各输入输出参数介绍:X---N*P的数据矩阵K---表示将X划分为几类,为整数Idx---N*1的向量,存储的是每个点的聚类标号C---K*P的矩阵,存储的是K个聚类质心位置sumD---1*K的和向量,存储的是类间所有点与该类质心点距离之和D
2、---N*K的矩阵,存储的是每个点与所有质心的距离[┈]=Kmeans(┈,’Param1’,’Val1’,’Param2’,’Val2’,┈)其中参数Param1、Param2等,主要可以设置为如下:1、’Distance’---距离测度‘sqEuclidean’---欧氏距离‘cityblock’---绝对误差和,又称L1‘cosine’---针对向量‘correlation’---针对有时序关系的值‘Hamming’---只针对二进制数据2、’Start’---初始质心位置选择方法‘sample’---从X中随机选取K个质心点‘uniform’---根据X的分
3、布范围均匀的随机生成K个质心‘cluster’---初始聚类阶段随机选取10%的X的子样本(此方法初始使用’sample’方法)Matrix提供一K*P的矩阵,作为初始质心位置集合3、’Replicates’---聚类重复次数,为整数使用案例:data=5.03.51.30.3-15.52.64.41.206.73.15.62.415.03.31.40.2-15.93.05.11.815.82.64.01.20[Idx,C,sumD,D]=Kmeans(data,3,’dist’,’sqEuclidean’,’rep’,4)运行结果:Idx= 1 2
4、 3 1 3 2C= 5.0000 3.4000 1.3500 0.2500 -1.0000 5.6500 2.6000 4.2000 1.2000 06.3000 3.0500 5.3500 2.1000 1.0000sumD= 0.0300 0.1250 0.6300D= 0.0150 11.4525 25.5350 12.0950 0.0625 3.5550 29.6650 5.7525 0.3150 0.0150 10.7525 24.9650 21.4350 2.39
5、25 0.3150 10.2050 0.0625 4.0850
此文档下载收益归作者所有