乌龟晒背灯安装:K-MEANS算法

来源:百度文库 编辑:偶看新闻 时间:2024/05/06 00:55:14

K-MEANS算法

k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。

k-means算法是一种基于样本间相似性度量的间接聚类方法。此算法以k为参数,把n 个对象分为k个簇,以使簇内具有较高的相似度,而且簇间的相似度较低。相似度的计算根据一个簇中对象的平均值来进行。此算法首先随机选择k个对象,每个对象代表一个聚类中心。对于其余的每一个对象,根据该对象与各聚类中心之间的距离,把它分配到与之最相似的聚类中。然后,计算每个聚类的新中心。重复上述过程,直到准则函数收敛。

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。

K-MEANS算法的具体流程如下:  

(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)  循环(3)到(4)直到每个聚类不再发生变化为止

(3)  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;

(4)  重新计算每个(有变化)聚类的均值(中心对象)