动态聚类法—实验报告(共11页).docx

精选优质文档-倾情为你奉上模式识别实验报告(3) 动态聚类法姓名：滕超淋学号： 专业：生物医学工程k-均值算法一、实验原理实验数据：IRIS数据。分为三种类型，每种类型中包括50个4维的向量。实验方法：K-均值算法算法步骤：1. 选择K个初始聚类中心Z1(1),Z2(1),.,Zk(1).聚类中心随迭代次数而变，括号中的数字表示迭代次序。2. 逐个将待分类样本X按最小距离准则分配到K个中心的某一个中心，以下公式进行判断：，其中k为迭代次数，Zj(k)为聚类中心。3. 分配完后，下来计算每个聚类的新中心Zj(k+1)。计算公式如下：Zjk+1=1/NixSj(k)XNi是j类样本的个数，以均值向量作为新的中心。4. 如果Zj(k+1)Zj(k)，则回到第二步，将模式样本重新逐个划分，继续迭代计算。如果Zj(k+1) =Zj(k)，则算法收敛，结束。二、实验步骤（1）从IRIS_DATA.txt文件中读取估计