K-均值聚类法.doc

文档介绍：K-均值聚类算法
K-均值聚类算法的工作原理：
K-means 算法的工作原理：算法首先随机从数据集中选取 K 个点作为初始聚类中心， 然后计算各个样本到聚类中的距离， 把样本归到离它最近的那个聚类中心所在的类。 计算新 形成的每一个聚类的数据对象的平均值来得到新的聚类中心， 如果相邻两次的聚类中心没有 任何变化，说明样本调整结束，聚类准则函数 已经收敛。本算法的一个特点是在每次迭代 中都要考察每个样本的分类是否正确。若不正确， 就要调整， 在全部样本调整完后，再修改 聚类中心， 进入下一次迭代。如果在一次迭代算法中，所有的样本被正确分类，则不会有调 整，聚类中心也不会有任何变化，这标志着 已经收敛，因此算法结束。
K-means 聚类算法的一般步骤：
（1 ） 从 n 个数据对象任意选择 k 个对象作为初始聚类中心；
（2） 根据每个聚类对象的均值（中心对象） ，计算每个对象与这些中心对象的距离；并根 据最小距离重新对相应对象进行划分；
（3） 重新计算每个（有变化）聚类的均值（中心对象） ；
（4） 循环（ 2）到（ 3）直到每个聚类不再发生变化为止。