《— 人工智能方向实习—》

实 习 报 告

专业： 计算机科学与技术

班级：

学号：

姓名：

江苏科技大学计算机学院

2016年 3 月

实验一 数据聚类分析

一、实验目的

编程实现数据聚类的算法。

二、实验内容

k-means聚类算法。

三、实验原理方法和手段

k-means 算法接受参数k ；然后将事先输入的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.

四、实验条件

Matlab2014b

五、实验步骤

(1) 初始化k 个聚类中心。

(2) 计算数据集各数据到中心的距离，选取到中心距离最短的为该数据所属类别。

(3) 计算(2)分类后，k 个类别的中心 (即求聚类平均距离)

(4) 继续执行(2)(3)直到k 个聚类中心不再变化(或者数据集所属类别不再变化)

六、实验代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%

%main.m

%k-meansalgorithm

% @author matcloud

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%

clear;

closeall;

load fisheriris;

X [meas(:,3)meas(:,4)];

figure;

plot(X(:,1),X(:,2),'ko','MarkerSize',4);

title('fisheririsdataset','FontSize',18,'Color','red');

[idx,ctrs] kmeans(X,3);

figure;

subplot(1,2,1);

plot(X(idx 1,1),X(idx 1,2),'ro','MarkerSize',4);

holdon;

plot(X(idx 2,1),X(idx 2,2),'go','MarkerSize',4);

holdon;

plot(X(idx 3,1),X(idx 3,2),'bo','MarkerSize',4);

holdon;

plot(ctrs(:,1),ctrs(:,2),'kx','MarkerSize',12);

title('officialkmeans','FontSize',16,'Color','red');

[idx,ctrs] my_kmeans(X,3);

subplot(1,2,2);

plot(X(idx 1,1),X(idx 1,2),'ro','MarkerSize',4);

holdon;

plot(X(idx 2,1),X(idx 2,2),'go','MarkerSize',4);

holdon;

plot(X(idx 3,1),X(idx 3,2),'bo','MarkerSize',4);

holdon;

plot(ctrs(:,1),ctrs(:,2),'kx','MarkerSize',12);

title('customkmeans','FontSize',16,'Color','red');

function [idx,ctrs] my_kmeans(m,k)

[row col] size(m);

%initk centroids

p randperm(size(m,1));

for i 1:k

ctrs(i,:) m(p(i),:);

end

idx zeros(row,1);%idex ispointer ofgroup

while 1

d dist2matrix(m,ctrs);

[z,g] min(d,[],2);

if(g idx)

break;

else

idx g;

end