数据聚类实验报告记录附代码文档格式.docx
《数据聚类实验报告记录附代码文档格式.docx》由会员分享，可在线阅读，更多相关《数据聚类实验报告记录附代码文档格式.docx（13页珍藏版）》请在冰豆网上搜索。
本实验采用的是k-means聚类算法，类中心的选择基于簇中对象的平均值。
（1）获取用户的类中心数目k和具有n个对象的数据集；
（2）任意选取k个对象作为初始的簇中心；
（3）根据簇中对象的平均值，将每个对象重新赋给最类似的簇；
（4）更新簇的平均值，即类中心，重新计算每个簇中对象的平均值；
（5）如果新的平均值发生改变，转至
（2）步；
（6）新的平均值不在发生改变，算法聚类结束。
2.2算法流程图
开始
选择k值，选取k个
对象作为平均值
聚类
对新生成的簇重新
计算平均值Y
新的平均
值改变
N
结束
图1k-means算法流程图
k-means算法流程图，如图1所示。
k-means算法中的k，由用户输入，最终得到的类别数即为用户输入的数目。
聚类过程中，涉及到初始类中心的选择。
在程序中，对于类中心，是选择前k个作为初始类中心，对于数据的组织，前k个数据有较大差别，可以提高程序的运行效率和分类结果的准确率。
3实验结果分析
在实验中，利用k-means聚类算法对“ch7iris.txt”数据集进行聚类实验。
当k=3时，k-means算法聚类效果如图2所示：
图2k=3时聚类效果
当k=4时，k-means算法聚类效果如图3所示：
图3k=4时聚类效果
K-means聚类算法的收敛性和初值的选取有关。
初始的聚类中心的不同，对聚类结果没有很大的影响，而对迭代次数有显著的影响。
数据的输入顺序不同，同样影响迭代次数，而对聚类结果没有太大的影响。
4实验结论
K-means聚类算法对于类别数的选择k值有较高的要求，如果类别数较少，则不能区分数据。
K-means聚类算法找出平均误差最小的k个划分。
当结果簇是密集的，而簇与簇之间的区别明显时，它的效果较好。
该算法只有在簇的平均值被定义的情况下才能使用。
对于初始类中心的选择，特别重要。
对于分类的准确度和距离影响明显。
而且该算法对孤立点是敏感的。
所以如果数据集中存在有极大值的对象，应该消除这种敏感性。
5实验心得体会
1、初始值可的选取
K-means聚类算法对于类别数目的选择，需要使用该算法的人员对于数据分类有一定的了解，并且可以根据观察部分原始抽样数据，得出该样本数据的大致类别数目，否则，应用该方法的聚类可能会出现较大的错误率。
2、初始类中心的选取
初始类中心的选择对聚类的准确度有较大的影响。
在初始类中心的选择时，最好选择两两距离较大，且能代表不同数据样本类别的点作为初始的类中心点。
参考文献
[1]数据挖掘：
概念与技术/（加）韩家炜，（加）坎伯（Kamber,M.）著；
范明等译.-北京：
机械工业出版社，2001.8.
[2]效琴，戴汝源．数据挖掘中聚类分析的技术方法[J]．微计算机信息，2003，19
（1）．
[3]贺玲，吴玲达，蔡益朝．数据挖掘中的聚类算法综述[J]．计算机应用研究，2007，24
（1）:
10-13．
[4]孙吉贵，刘杰，赵连宇．聚类算法研究[J]．软件学报，2008，19
（1）：
48-61．
[5]冯晓蒲，张铁峰．四种聚类方法之比较[J]．微型机与应用，2010，16．
附录（源代码）
Matlab
%K-means算法主程序
k=3;
x=[0.2240.6240.0670.043
0.7490.5020.6270.541
0.5570.5410.8471.000
0.1100.5020.0510.043
0.7220.4590.6630.584
0.7760.4160.8310.831
0.1960.6670.0670.043
0.6120.3330.6120.584
0.6120.4160.8120.875
0.0550.5840.0670.082
0.5570.5410.6270.624
0.1650.2080.5920.667
0.0270.3760.0670.043
0.6390.3760.6120.498
0.6670.2080.8120.710
0.3060.7100.0860.043
0.1960.0000.4240.376
0.6120.5020.6940.792
0.1370.4160.0670.000
0.4710.0820.5100.376
0.6940.4160.7610.831
0.4160.8310.0350.043
0.3610.3760.4390.498
0.4160.3330.6940.957
0.3060.7920.0510.125
0.3610.4160.5920.584
0.6120.4160.7610.710
0.3880.7490.1180.082
0.5290.0820.5920.584
0.9450.2511.0000.918
0.3060.5840.1180.043
0.4430.5020.6430.459
0.7220.5020.7960.918
0.0820.6670.0000.043
0.5570.2080.6630.584
0.9450.3330.9650.792
0.1370.5840.1530.043
0.5840.3760.5610.498
0.6670.5410.7960.831
0.1960.5840.1020.125
0.6940.3330.6430.541
0.5290.3330.6430.710
0.2510.5840.0670.043
0.4710.3760.5920.584
0.5840.3330.7800.831
0.1370.4590.1020.043
0.3330.1690.4750.416
0.8630.3330.8630.749
0.2510.8750.0860.000
0.4160.2900.4900.459
0.5840.3330.7800.875
0.1650.4590.0860.043
0.3060.4160.5920.584
0.4980.2510.7800.541
0.3330.6240.0510.043
0.6670.4590.6270.584
0.5570.5840.7800.957
0.0270.4160.0510.043
0.3610.4160.5250.498
0.4710.4160.6430.710
0.1960.6240.0510.082
0.3330.2510.5760.459
0.6670.4590.7800.957
0.0270.5020.0510.043
0.4160.2510.5100.459
0.4160.2900.6940.749
0.2240.7490.1530.125
0.3610.2900.5410.498
0.6670.5410.7961.000
0.2240.7490.1020.043
0.3880.3760.5410.498
0.5570.2080.6780.749
0.2780.7100.0860.043
0.2240.2080.3370.416
0.5290.5840.7450.918
0.1650.4160.0670.043
0.5840.5020.5920.584
0.0820.4590.0860.043
0.3330.1250.5100.498
0.5570.3760.7800.710
0.3060.7920.1180.125
0.3880.3330.5920.498
0.9180.4160.9490.831
0.1960.5840.0860.043
0.1650.1690.3880.376
0.8350.3760.8980.710
0.1650.4590.0860.000
0.2510.2900.4900.541
0.8040.6670.8631.000
0.1370.5840.1020.043
0.4430.4160.5410.584
0.5840.2900.7290.749
0.0000.4160.0160.000
0.4980.3760.6270.541
0.3880.2080.6780.792
0.3881.0000.0860.125
0.6670.4590.5760.541
0.5840.5020.7290.918
0.2240.6240.0670.082
0.4160.2900.5250.376
0.9450.7490.9650.875
0.2240.7490.0860.082
0.3610.2080.4900.416
0.4710.0820.6780.584
0.2240.7100.0860.125
0.4980.3330.5100.498
0.3610.3330.6630.792
0.2240.5410.1180.165
0.4980.3330.6270.459
0.5570.2900.6630.710
0.1960.4160.1020.043
0.6390.4160.5760.541
0.8040.5020.8470.710
0.2510.6240.0860.043
0.6670.4160.6780.667
0.4980.4160.5100.710
0.1100.5020.1020.043
0.3880.2510.4240.376
0.8040.4160.8120.624
0.3060.5840.0860.125
0.3330.1690.4590.376
1.0000.7490.9140.792
0.3330.9180.0670.043
0.4710.2900.6940.624
0.5570.3330.6940.584
0.1960.5020.0350.043
0.4710.5840.5920.624
0.9450.4160.8630.918
0.1650.6670.0670.000
0.5570.1250.5760.498
0.5840.4590.7610.710
0.2240.5840.0860.043
0.3330.2080.5100.498
0.7220.4590.7450.831
0.0550.1250.0510.082
0.4980.4160.6120.541
0.7220.4590.6940.918
0.1960.6240.1020.208
0.1960.1250.3880.376
0.6940.5020.8310.918
0.1370.4160.0670.082
0.3880.4160.5410.459
0.6670.4160.7140.918
0.0820.5020.0670.043
0.5290.3760.5610.498
0.6120.4160.7140.792
0.1960.5410.0670.043
0.3880.3330.5250.498
0.4430.4160.6940.710];
[n,d]=size（x）;
bn=round（n/k*rand）;
%第一个随机数在前1/K的范围内
nc=[x（bn,:
）;
x（2*bn,:
x（3*bn,:
];
%初始聚类中心
%nc=[x（bn,:
x（4*bn,:
%4类
[cid,nr,centers]=kmeans（x,k,nc）%调用kmeans函数
fori=1:
150
ifcid（i）==1,
plot（x（i,1）,x（i,2）,'
r*'
）%显示第一类
holdon
else
ifcid（i）==2,
b*'
）%显示第二类
ifcid（i）==3,
g*'
）%显示第三类
%else
%ifcid（i）==4,
%plot（x（i,1）,x（i,2）,'
k*'
）%显示第四类
%holdon
%end
end
strt=['
红色*为第一类；
蓝色*为第二类；
绿色*为第三类；
黑色*为第四类'
];
text（-4,-3.6,strt）;
%kmeans.m主类
function[cid,nr,centers]=kmeans（x,k,nc）
%设置cid为分类结果显示矩阵
cid=zeros（1,n）;
oldcid=ones（1,n）;
nr=zeros（1,k）;
maxgn=100;
iter=1;
whileiter<
maxgn
%计算每个数据到聚类中心的距离
fori=1:
n
dist=sum（（repmat（x（i,:
）,k,1）-nc）.^2,2）;
[m,ind]=min（dist）;
%将当前聚类结果存入cid中
cid（i）=ind;
k
%找到每一类的所有数据，计算他们的平均值，作为下次计算的聚类中心
ind=find（cid==i）;
nc（i,:
）=mean（x（ind,:
））;
%统计每一类的数据个数
nr（i）=length（ind）;
iter=iter+1;
maxiter=2;
move=1;
maxiter&
move~=0
move=0;
%对所有的数据进行再次判断，寻求最佳聚类结果
fori=1:
dist=sum（（repmat（x（i,:
r=cid（i）;
%将当前数据属于的类给r
dadj=nr./（nr+1）.*dist'
;
%计算调整后的距离
[m,ind]=min（dadj）;
%早到该数据距哪个聚类中心最近
ifind~=r%如果不等则聚类中心移动
cid（i）=ind;
%将新的聚类结果送给cid
ic=find（cid==ind）;
%重新计算调整当前类别的聚类中心
nc（ind,:
）=mean（x（ic,:
move=1;
end
iter=iter+1;
end
centers=nc;
ifmove==0
disp（'
Nopointsweremovedaftertheinitialclusteringprocedure.'
）
else
Somepointsweremovedaftertheinitialclusteringprocedure.'
升级会员 