Kmeans和GMM算法思路和Demos.ppt

《Kmeans和GMM算法思路和Demos.ppt》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、聚类Kmeans和GMM吴智平31520111153200Kmeans输入：聚类个数k，以及包含n个数据对象的矩阵。输出：满足方差最小标准的k个聚类。算法过程（1）从n个数据对象任意选择k个对象作为初始聚类中心；（2）根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分；（3）重新计算每个（有变化）聚类的均值（中心对象）（4）循环（3）到（4）直到每个聚类不再发生变化为止Kmeans初始点选择利用随机数srand(time(NULL));te

2、mp=(long)rand()%Dimension+1;while(iat(temp).x;centriodY[i]=PointMatrix->at(temp).y;centriodX1[i]=0;centriodY1[i]=0;++i;}Kmeans欧式距离的计算distance=doubledistanceTemp=sqrt((pow((PointM

3、atrix->at(kDimension).x-centriodX[j]),2.0)+pow((PointMatrix->at(kDimension).y-centriodY[j]),2.0)));Kmeans中心点选择x=(x1+x2+...+xn)/ny=(y1+y2+...+yn)/n终止条件对原中心点和新中心点求：terminal=

4、x1-x2

5、+

6、y1-y2

7、GMMEM算法概率函数fourty.datalong1.dataspiral.datasquare1.dataSquare4.da

8、taTwenty.data