k-最近邻聚类k-Nearest Neighbor

这里只给出k-最近邻聚类k-Nearest Neighbor的实现过程，算法的原理请自行搜索，代码如下：

k-最近邻聚类算法的主程序：

clc;
clear;
%读取数据文件,生成点矩阵
fileID = fopen('D:\matlabFile\KNN\KNN.txt');C=textscan(fileID,'%f %f');fclose(fileID);%显示数组结果%celldisp(C);%将cell类型转换为矩阵类型,这里只假设原数据为二维属性，且是二维的坐标点CC_init=cat(2,C{1},C{2});%用来保存初始加载的值CC=CC_init;%set key parameter:kk=3;% store all points that satisfy the condition k, construct every two% points to edgeedges_all=zeros(2,2,1);%edges countcount=1;%4-D matrix to store edgesedges=zeros(2,2,k,1);%keep this code safeif size(CC>k+1)for i=1:size(CC,1)%extract one pointp=CC(i,:);CC_temp=CC;CC_temp(i,:)=[];% find the nearest k pointspoints=FindNearNeighbor(k,p,CC_temp);% merge two points to edgeedge_temp=zeros(2,2,1);for j=1:size(points,1)edge=[p;points(j,:)];edge=sortrows(edge);edge_temp(:,:,j)=edge;edges_all(:,:,count)=edge;   count=count+1;end  edges(:,:,:,i)=edge_temp;endend% delete common edgeflag=1;while flagfor i=1:size(edges_all,3)-1%remeber all same edge serial numbersserial_num=zeros(1,1);%extract first edgea=edges_all(:,:,i);% cmopare first edge with the rest edgesfor j=i+1:size(edges_all,3)%extract second edgeb=edges_all(:,:,j);if isequal(a,b)serial_num=cat(1,serial_num,j);endend%delete all common edgesserial_num(1,:)=[];if length(serial_num)>=1edges_all(:,:,serial_num)=[];break;endendif i==size(edges_all,3)-1flag=0;endend%plot all edges
for i=1:size(edges_all,3)edge=edges_all(:,:,i);plot(edge(:,1),edge(:,2));hold on
end

FindNearNeighbor函数的实现如下：

function result=FindNearNeighbor(k,p,points)
%store points that satisfy the k condition, first column store distance
%between p and one of points,second column store the serial number of the
%point
dis_p=zeros(1,2);
for i=1:size(points,1)%extract one pointpoint=points(i,:);%compute the distancedis=sqrt((p(1,1)-point(1,1))^2+(p(1,2)-point(1,2))^2);dis_p(i,:)=[dis,i];
end
% sort dis_p set follow first columndis_p=sortrows(dis_p,1);
dis_satisfy=dis_p(1:k,:);
%return the satisfied points
result=points(dis_satisfy(:,2),:);
end

KNN.txt实验数据如下，请复制后保存为txt格式

k-最近邻聚类k-Nearest Neighbor相关推荐

python机器学习库sklearn——K最近邻、K最近邻分类、K最近邻回归
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 KNN即K最近邻,相关的知识内容可以参考 http://blog.csdn.net/luanpeng825485697/article ...
最近邻插值（nearest neighbor）-----python
图像内插是在诸如放大.收缩.旋转和几何校正等任务中广泛应用的基本工具.从根本上来看,内插是用已知数据来估计未知位置的数值的处理. 最近邻内插法(nearest neighbor):假设一幅大小为500 ...
【机器学习】机器学习算法之——K最近邻(k-Nearest Neighbor，KNN)分类算法原理讲解...
k-最近邻算法是基于实例的学习方法中最基本的,先介绍基于实例学习的相关概念. 01 基于实例的学习已知一系列的训练样例,很多学习方法为目标函数建立起明确的一般化描述:但与此不同,基于实例的学习方法只 ...
最近邻分类器(Nearest Neighbor Classifier)
先从简单的方法开始说,先提一提最近邻分类器/Nearest Neighbor Classifier,不过事先申明,它和深度学习中的卷积神经网/Convolutional Neural Networks ...
K近邻分类器（李飞飞CS231n学习笔记---lecture2：K最近邻算法）
在讲解K近邻分类器之前,我们先来看一下最近邻分类器(Nearest Neighbor Classifier),它也是K = 1时的K近邻分类器. 目录最近邻分类器定义存在问题 K近邻分类器(KN ...
python机器学习案例系列教程——K最近邻算法(KNN)、kd树
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 K最近邻简介 K最近邻属于一种估值或分类算法,他的解释很容易. 我们假设一个人的优秀成为设定为1.2.3.4.5.6.7.8.9.10 ...
机器学习（五）常用分类模型（K最近邻、朴素贝叶斯、决策树）和分类评价指标
机器学习(五)常用分类模型(K最近邻.朴素贝叶斯.决策树)和分类评价指标文章目录机器学习(五)常用分类模型(K最近邻.朴素贝叶斯.决策树)和分类评价指标综述常用分类模型 K最近邻模型朴素贝叶 ...
非监督学习： K 均值聚类（原理、步骤、优缺点、调优）
支持向量机.逻辑回归.决策树等经典的机器学习算法主要用于分类问题,即根据一些己给定类别的样本, 训练某种分类器,使得它能够对类别未知的样本进行分类.与分类问题不同,聚类是在事先并不知道任何样本类别标签 ...
机器学习——K近邻算法（KNN）（K Nearest Neighbor）
参考视频与文献: python与人工智能-KNN算法实现_哔哩哔哩_bilibili 机器学习--K近邻算法(KNN)及其python实现_清泉_流响的博客-CSDN博客_python实现knn 机器 ...
K Nearest Neighbor 算法
K Nearest Neighbor算法又叫KNN算法,这个算法是机器学习里面一个比较经典的算法, 总体来说KNN算法是相对比较容易理解的算法.其中的K表示最接近自己的K个数据样本.KNN算法和K-M ...

k-最近邻聚类k-Nearest Neighbor

k-最近邻聚类k-Nearest Neighbor相关推荐

最新文章

热门文章