聚类算法—k-Means实验

k-平均（k-Means），也被称为k-均值，是一种得到最广泛使用的聚类算法[1]. k-Means算法以k为参数，把n个对象分为k个簇，使得簇内具有较高的相似度。

实验目的

了解常用聚类算法及其优缺点；
掌握k-Means聚类算法对数据进行聚类分析的基本原理和划分方法；
利用k-Means聚类算法对数据集进行聚类实验；
熟悉使用Matlab进行算法的实现。

聚类算法的主要思想

主要思想

给定一个有n个对象的数据集，划分聚类技术将构造数据k个划分，每一个划分就代表一个簇，k≤nk\le nk≤n. 每一个簇至少包含一个对象，每一个对象属于且仅属于一个簇。

对于给定的k，算法首先给出一个初始的划分方法，以后通过反复迭代的方法改变划分，使得每一次改进之后的划分较前一次更好。

评价函数

更好的标准是：同一簇中的对象越接近越好，而不同簇中的对象越远越好，目标是最小化所有对象与其簇中心之间相异度之和。

各个簇应该是紧凑的，各个簇间的距离应当尽可能远。因此，用聚类C的类内差异（Within cluster variation）w(C)w(C)w(C) 和类间差异（Between cluster variation）b(C)b(C)b(C) 分别衡量上述两要求。

w(C)=∑i=1kw(Ci)=∑i=1k∑x∈Cid(x,xi‾)2w(C)=\sum_{i=1}^{k}w(C_i)=\sum_{i=1}^{k}\sum_{x\in C_i}d(x,\overline{x_i})^2w(C)=i=1∑kw(Ci)=i=1∑kx∈Ci∑d(x,xi)2

b(C)=∑1≤j≤i≤kd(xj‾,xi‾)2b(C)=\sum_{1\le j\le i\le k}d(\overline{x_j},\overline{x_i})^2b(C)=1≤j≤i≤k∑d(xj,xi)2

其中，xi‾\overline{x_i}xi 是类 CiC_iCi 的聚类中心，d 为距离函数。聚类C的总体质量可以被定义为 b(C)w(C)\frac{b(C)}{w(C)}w(C)b(C).

k-Means算法原理

k-Means算法用类内均值作为聚类中心、用欧氏距离定义d，并使上述 w(C)w(C)w(C) 最小化。

优化目标

arg⁡max⁡C∑i=1k∑x∈Ci∥x−xi‾∥2\mathop{\arg\max}\limits_{C} \sum_{i=1}^k \sum_{x\in C_i} \parallel x-\overline{x_i}\parallel ^2Cargmaxi=1∑kx∈Ci∑∥x−xi∥2

表示选取合适的C使得所有对象的平方误差总和最小，其中x是空间中的点，xi‾\overline{x_i}xi 是簇 CiC_iCi 的平均值，这个优化目标可以保证生成的结果簇尽可能的紧凑和独立。

算法描述

首先随机选择k个对象，每个对象初始地代表了一个簇的平均值或中心。对剩余的每个对象根据其与各个簇中心的距离，将它赋给最近的簇。然后重新计算每个簇的平均值。这个过程不断重复，直到上述平方误差总和收敛。

k-Means算法分析

优点

对处理大数据集，该算法是相对可伸缩和高效率的，时间复杂度约为 O(k⋅n⋅t)\mathcal{O} (k\cdot n\cdot t)O(k⋅n⋅t)，t是迭代次数。k-Means算法经常以局部最优结束；
算法尝试找出使平方误差最小的k个划分，当结果簇是密集的，而簇与簇之间区别明显时，k-Means的效果较好。

缺点

若涉及离散属性，其平均值无法定义，无法使用k-Means聚类；
必须事先给出参数k，k的选取对聚类质量和效果影响很大；
k-Means算法不适合发现非凸面形状的簇，或者大小差别很大的簇。而且对于“噪声”和孤立点数据是敏感的，少量的该类数据对平均值产生较大影响。

算法改进

k-模算法：将k-Means的应用扩大到离散数据。k-原型可以对离散与数值属性两种混合的数据进行聚类，在k-原型中定义了一个对数值与离散属性都计算的相异性度量标准。[2]

k-中心点算法：解决了k-Means算法对孤立点敏感的问题，不采用簇中的平均值作为参照点，而使用簇中位置最靠近中心的对象作为参照点。基本思路是反复用非代表对象来替代代表对象，以改进聚类的质量。PAM（Partition Around Medoid）是最早提出的k-中心点算法之一。[3]

代码

clc;clear;
k = 2;
data = [1 1; 2 1; 1 2; 2 2; 4 3; 5 3; 4 4; 5 4;];
eps = 0.1;
epochs = 100;
[n,~] = size(data);
% initialize the last column of data as classes
data(:,end+1) = 0;
% assign initial value for means
rng('default') % For reproducibility
clusters = data(randperm(n,k),1:end-1);
% initialize E
E = inf;
% save means steps
cnt = 0; % counter
cls_steps = [];
while epochs>0% to save means stepscnt = cnt + 1;cT = clusters';cls_steps(cnt,:) = cT(:)';% assign each xj to the cluster which has the closet meanD = pdist2(data(:,1:end-1),clusters);[~,I] = min(D');data(:,end) = I';% calculate new means for each classesclusters = grpstats(data(:,1:end-1),data(:,end));% calculate criterion function ElastE = E;E = .0;for i=1:nE = E + pdist2(data(i,1:end-1),clusters(data(i,end),:));endif lastE-E<=epsbreakendepochs = epochs - 1;
end

Matlab2021a

结果验证

结果数据

在data.csv数据集上运行上述代码，得到结果如下：

Clusters: 聚类中心

x1	x2
1.5	1.5
4.5	3.5

E = 5.65685424949238

cls_steps: 聚类中心移动记录

c1x1	c1x2	c2x1	c2x2
4	3	5	3
2.33333333	2.16666667	5	3.5
1.5	1.5	4.5	3.5

结果图像

其中，蓝色/黄色实心点表示不同分类下的数据点，空心橙色/紫色圆环表示k-Means聚类中心的变化情况。

附录（data.csv）

Index	Attr1	Attr2
1	1	1
2	2	1
3	1	2
4	2	2
5	4	3
6	5	3
7	4	4
8	5	4

参考

毛国君、段立娟, 《数据挖掘原理与算法》, 清华大学出版社, 2016-01-01, ISBN：9787302415817
Ramasubramanian P , Kumar S P , Anandam D . Experimental work on Data Clustering using Enhanced Random KMode Algorithm. 2020.
Bhat A . K-Medoids Clustering Using Partitioning Around Medoids for Performing Face Recognition. 2014.

k-Means——经典聚类算法实验（Matlab实现）相关推荐

K均值聚类算法的MATLAB实现
K均值聚类算法的MATLAB实现 1.K-均值聚类法的概述之前在参加数学建模的过程中用到过这种聚类方法,但是当时只是简单知道了在matlab中如何调用工具箱进行聚类,并不是特别清楚它的原理.最近因为 ...
聚类(part2)--经典聚类算法
学习笔记,仅供参考,有错必纠文章目录聚类方法方法图示经典聚类算法基于模型的算法基于划分的算法基于密度的算法基于网格的算法层次聚类算法聚类方法方法图示经典聚类算法基于模型的算法 ...
matlab实现k-l算法,K均值聚类算法的MATLAB实现
K-means算法是最简单的一种聚类算法.算法的目的是使各个样本与所在类均值的误差平方和达到最小(这也是评价K-means算法最后聚类效果的评价标准) K-means聚类算法的一般步骤: 初始化.输入 ...
【Kmeans】基于Kmeans的聚类算法的MATLAB仿真
0.完整源码获得方式方式1:微信或者QQ联系博主方式2:订阅MATLAB/FPGA教程,免费获得教程案例以及任意2份完整源码 1.软件版本 MATLAB2021a 2.本算法理论知识 ...
MATLAB实战系列（三十八）-基于K-means聚类算法的MATLAB图像分割
前言以下是我为大家准备的几个精品专栏,喜欢的小伙伴可自行订阅,你的支持就是我不断更新的动力哟! MATLAB-30天带你从入门到精通 MATLAB深入理解高级教程(附源码) tableau可视化数据 ...
k-means聚类算法及matlab实现(简单实现)
k-means简介 k-means算法也称k均值算法,是一种常用的聚类算法.聚类算法是研究最多.应用最广的一种无监督学习算法. 聚类试图将数据集中的样本划分为若干个通常是不相交的子集,每个子集 ...
Kmeans聚类算法及其matlab源码
本文介绍了K-means聚类算法,并注释了部分matlab实现的源码. K-means算法 K-means算法是一种硬聚类算法,根据数据到聚类中心的某种距离来作为判别该数据所属类别.K-means算法 ...
基于遗传模拟退火算法的模糊C-均值聚类算法(SAGAFCM)—MATLAB实现
本文的代码将放在最后,需要的小伙伴们可以免费获取哦!!! 文章目录一.模糊C-均值聚类(FCM) 1.介绍 1).算法初步介绍 2)算法步骤 2.MATLAB实现 1).问题描述 2).算法实现二 ...
K均值(K-means)聚类算法原理与代码详解
0. 算法原理: 上述过程简单描述: a: 初始数据 b: 选择质点 c: 根据质点划分 d: 求均值,更新质心点 e: 划分 f: 更新质心点 1. 代码实现: # K means 教程# 0. 引 ...

k-Means——经典聚类算法实验（Matlab实现）