西电大数据挖掘大作业kmeans和kmedoids.docx
《西电大数据挖掘大作业kmeans和kmedoids.docx》由会员分享，可在线阅读，更多相关《西电大数据挖掘大作业kmeans和kmedoids.docx（18页珍藏版）》请在冰豆网上搜索。
西电大数据挖掘大作业kmeans和kmedoids
题目：
数据挖掘
学院：
电子工程学院
专业：
智能科学与技术
学生姓名：
**
学号：
02115***
k-means实验报告
一、waveform数据
1、算法描述
1.从数据集
中任意选取k个赋给初始的聚类中心c1,c2,…,ck；
2.对数据集中的每个样本点xi，计算其与各个聚类中心cj的欧氏距离并获取其类别标号：
3.按下式重新计算k个聚类中心；
重复步骤2和步骤3，直到达到最大迭代次数为止
2、实验结果
二、图像处理
1、算法描述
同上；
2、实验结果
代码：
k_means:
%%%%%%%%%K_means%%%%%%%%
%%%%%%%%%函数说明%%%%%%%%
%输入:
%sample——样本集；
%k——聚类数目；
%输出：
%y——类标（从0开始）
%cnew——聚类中心
%n——迭代次数
function[ycnewn]=k_means（sample,k）
[NV]=size（sample）;%N为样本的个数K为样本的维数
y=zeros（N,1）;%记录样本类标
dist=zeros（1,k）;
rand_num=randperm（N）;
cnew=（sample（rand_num（1,1:
k）,:
））;%随机初始化聚类中心
cold=zeros（k,V）;
n=0;
while（cold~=cnew）
cold=cnew;
n=n+1;%记录迭代次数
%对样本进行重新分类
fori=1:
N
forj=1:
k
if（V==1）
dist（1,j）=abs（sample（i,:
）-cold（j,:
））;
else
dist（1,j）=norm（sample（i,:
）-cold（j,:
））;
end
end
fors=1:
k
if（dist（1,s）==min（dist））
y（i,1）=s-1;
end
end
end
%更新聚类中心
cnew=zeros（k,V）;
flag=zeros（k,1）;
fori=1:
N
forj=1:
k
if（y（I,1）==j-1）
flag（j,1）=flag（j,1）+1;
cnew（j,=cnew（j,+sample（I,;
end
end
end
forj=1:
k
cnew（j,=cnew（j,/flag（j,1）;
end
end
k_means_waveform:
clear;clc;
%%%%%%%%%数据读入%%%%%%%
data=load（'G:
\西电\2014大三下\大作业\DataMining\k_means\waveform.data'）;
[NK]=size（data）;%数据集的数目
data0=zeros（1,K）;
data1=zeros（1,K）;
data2=zeros（1,K）;
fori=1:
N
if（data（i,K）==0）
data0=cat（1,data（i,:
）,data0）;
elseif（data（i,K）==1）
data1=cat（1,data（i,:
）,data1）;
else
data2=cat（1,data（i,:
）,data2）;
end
end
sample=cat（1,data0（1:
100,:
）,data1（1:
100,:
）,data2（1:
100,:
））;
label=sample（:
K）;%样本的正确类标
sample=sample（:
1:
K-1）;%样本集
k=3;%聚类中心的数目
%%%%%%%%%K_means%%%%%%%%
[ycnewn]=k_means（sample,k）;
%%%%%%%%%%正确率统计%%%%%%%
sum=zeros（1,6）;
[NV]=size（sample）;
fori=1:
N
if（y（i,1）==label（i,1））
sum（1,1）=sum（1,1）+1;
end
end
fori=1:
N
if（（y（i,1）+label（i,1））==2）
sum（1,2）=sum（1,2）+1;
end
end
fori=1:
N
if（（（y（i,1）==0）&&（label（i,1）==0））||（（y（i,1）==1）&&label（i,1）==2）||（（y（i,1）==2）&&label（i,1）==1））
sum（1,3）=sum（1,3）+1;
end
end
fori=1:
N
if（（（y（i,1）==0）&&（label（i,1）==1））||（（y（i,1）==1）&&label（i,1）==0）||（（y（i,1）==2）&&label（i,1）==2））
sum（1,4）=sum（1,4）+1;
end
end
fori=1:
N
if（（（y（i,1）==0）&&（label（i,1）==1））||（（y（i,1）==1）&&label（i,1）==2）||（（y（i,1）==2）&&label（i,1）==0））
sum（1,5）=sum（1,5）+1;
end
end
fori=1:
N
if（（（y（i,1）==0）&&（label（i,1）==2））||（（y（i,1）==1）&&label（i,1）==0）||（（y（i,1）==2）&&label（i,1）==1））
sum（1,6）=sum（1,6）+1;
end
end
sum=sum/N;
creatrate=max（sum）;
disp（'循环次数：
'）;
disp（n）;
disp（'聚类中心为：
'）;
disp（cnew）;
disp（'正确率为：
'）;
disp（creatrate）;
k_means_picture:
clear;clc;
%%%%%%%%%数据读入%%%%%%%
I1=imread（'G:
\西电\2014大三下\大作业\DataMining\k_means\lena.jpg'）;
I2=rgb2gray（I1）;%转化为灰度图像
I=im2double（I2）;
[numv]=size（I）;
sample=reshape（I,v*num,1）;%样本集
k=2;%聚类中心的数目
%%%%%%%%%K_means%%%%%%%%
[ycnewn]=k_means（sample,k）;
%%%%%%%%v%%%%%%%%
I3=sample;
if（cnew（1,1）>=cnew（2,1））
F0=255;F1=0;
else
F0=0;F1=255;
end
fori=1:
num*v
if（y（i,1）==0）
I3（i,1）=F0;
else
I3（i,1）=F1;
end
end
I3=reshape（I3,num,v）;
figure
（1）
subplot（1,3,1）;
imshow（I1）;
title（'原图像'）;
subplot（1,3,2）;
imshow（I2）;
title（'灰度图像'）;
subplot（1,3,3）;
imshow（I3）;
title（'二值化图像'）;
k_medoids实验报告
一、waveform数据
1、算法描述
（1）随机选择k个对象作为初始的代表对象；
（2）repeat
（3）指派每个剩余的对象给离它最近的代表对象所代表的簇；
（4）随意地选择一个非代表对象Orandom；
（5）计算用Orandom代替Oj的总代价S；
（6）如果S<0，则用Orandom替换Oj，形成新的k个代表对象的集合；
（7）until不发生变化
2、实验结果
二、图像处理
1、算法描述
同上；
2、实验结果
代码：
k_medoids:
%%%%%%%%k_medoids%%%%%%%%
%%%%%%%%%º函数说明%%%%%%%%%
%输入：
%sample——数据集
%k——聚类数目；
%输出：
%y——类标；
%med——聚类中心点
function[ymed]=k_medoids（sample,k）
[NV]=size（sample）;%N为样本数目V为样本为数
%聚类中心的随机初始化
rbowl=randperm（N）;
med=sample（rbowl（1,1:
k）,:
）;
temp=zeros（N,2）;
dist=zeros（1,k）;
index=rbowl（1,k）;
Eold=0;
Enew=1000;
while（abs（Enew-Eold）>0.001）
%将所有样本分配到最近的代表点
fori=1:
N
forj=1:
k
dist（1,j）=norm（sample（i,:
）-med（j,:
））;
end
temp（i,1）=min（dist）;
fors=1:
k
if（dist（1,s）==temp（i,1））
temp（i,2）=s;
end
end
end
y=temp（:
2）;
Eold=sum（temp（:
1））;
%随机的选择一个非代表点，生成新的代表点集合
index=index+1;
med_temp=med;
E=zeros（1,k）;
forj=1:
k
med_temp（j,:
）=sample（index,:
）;
%将所有样本分配到最近的代表点
fori=1:
N
fort=1:
k
dist（1,t）=norm（sample（i,:
）-med_temp（t,:
））;
end
temp（i,1）=min（dist）;
fors=1:
k
if（dist（1,s）==temp（i,1））
temp（i,2）=s;
end
end
end
E（1,j）=sum（temp（:
1））;
end
Enew=min（E）;
fort=1:
k
if（E（1,t）==Enew）
obest=t;
end
end
if（Enewmed（obest,:
）=sample（index,:
）;
else
Enew=Eold;
end
end
k_medoids_waveform:
clear;clc;
%%%%%%%%%Êý¾Ý¶ÁÈë%%%%%%%
data=load（'G:
\西电\2014大三下\大作业\DataMining\k_medoids\waveform-+noise.data'）;
[NK]=size（data）;%数据集的数目
data0=zeros（1,K）;
data1=zeros（1,K）;
data2=zeros（1,K）;
fori=1:
N
if（data（i,K）==0）
data0=cat（1,data（i,:
）,data0）;
elseif（data（i,K）==1）
data1=cat（1,data（i,:
）,data1）;
else
data2=cat（1,data（i,:
）,data2）;
end
end
sample=cat（1,data0（1:
100,:
）,data1（1:
100,:
）,data2（1:
100,:
））;
label=sample（:
K）;%Ñù±¾µÄÕýÈ·Àà±ê
sample=sample（:
1:
K-1）;%Ñù±¾¼¯
k=3;%聚类中心的数目
%%%%%%%%%%k_medoids%%%%%%%
[ymed]=k_medoids（sample,k）;
%%%%%%%%%%正确率统计Æ%%%%%%%
sum=zeros（1,6）;
[NV]=size（sample）;
fori=1:
N
y（i,1）=y（i,1）-1;
end
fori=1:
N
if（y（i,1）==label（i,1））
sum（1,1）=sum（1,1）+1;
end
end
fori=1:
N
if（（y（i,1）+label（i,1））==2）
sum（1,2）=sum（1,2）+1;
end
end
fori=1:
N
if（（（y（i,1）==0）&&（label（i,1）==0））||（（y（i,1）==1）&&label（i,1）==2）||（（y（i,1）==2）&&label（i,1）==1））
sum（1,3）=sum（1,3）+1;
end
end
fori=1:
N
if（（（y（i,1）==0）&&（label（i,1）==1））||（（y（i,1）==1）&&label（i,1）==0）||（（y（i,1）==2）&&label（i,1）==2））
sum（1,4）=sum（1,4）+1;
end
end
fori=1:
N
if（（（y（i,1）==0）&&（label（i,1）==1））||（（y（i,1）==1）&&label（i,1）==2）||（（y（i,1）==2）&&label（i,1）==0））
sum（1,5）=sum（1,5）+1;
end
end
fori=1:
N
if（（（y（i,1）==0）&&（label（i,1）==2））||（（y（i,1）==1）&&label（i,1）==0）||（（y（i,1）==2）&&label（i,1）==1））
sum（1,6）=sum（1,6）+1;
end
end
sum=sum/N;
creatrate=max（sum）;
disp（'¾ÛÀàÖÐÐÄΪ£º'）;
disp（med）;
disp（'ÕýÈ·ÂÊΪ£º'）;
disp（creatrate）;
k_medoids_picture:
clear;clc;
%%%%%%%%%Êý¾Ý¶ÁÈë%%%%%%%
I0=imread（'G:
\西电\2014大三下\大作业\DataMining\k_medoids\lena.jpg'）;
D=0.001;
I1=imnoise（I0,'gaussian',0,D）;%加噪声
I2=rgb2gray（I1）;%转化为灰度图像
I=im2double（I2）;
[numv]=size（I）;
sample=reshape（I,v*num,1）;%Ñù±¾¼¯
k=2;%¾ÛÀàÖÐÐĵÄÊýÄ¿
%%%%%%%%%K_means%%%%%%%%
[ymed]=k_medoids（sample,k）;
%%%%%%%%图像显示¾%%%%%%%%
I3=sample;
if（med（1,1）>=med（2,1））
F0=255;F1=0;
else
F0=0;F1=255;
end
fori=1:
num*v
if（y（i,1）==1）
I3（i,1）=F0;
else
I3（i,1）=F1;
end
end
I3=reshape（I3,num,v）;
figure
（1）
subplot（1,4,1）;
imshow（I0）;
title（'原图像'）;
subplot（1,4,2）;
imshow（I1）;
title（'加噪声后的图像'）;
subplot（1,4,3）;
imshow（I2）;
title（'灰度图像'）;
subplot（1,4,4）;
imshow（I3）;
title（'二值化图像'）;
升级会员 