无监督学习.docx

文档介绍：一、实验目的与要求掌握无监督学****的基本原理,在此基础上针对给定的数据集编程实现无监督学****算法(K均值聚类)。二、实验内容 1. 数据对象集合 S 见表 1, 作为一个聚类分析的二维样本, 要求的簇的数量 k=2 。(基于 C 语言编程输出数据对象集合 S的 K- 均值聚类的结果) 0450552 三、实验步骤(操作界面截图或程序清单) 、 k=2, 假设初始的簇中心为 O 1( 0,2 )和 O 2( 0,0 ) 二、计算各个点离簇中心的距离并据此把该点赋给距离小的簇 O 3: d(M 2 ,O 3)< d(M 1 ,O 3) ,故将 O 3 分配给 C 2 O 4: d(M 2 ,O 4)< d(M 1 ,O 4) ,故将 O 4 分配给 C 2 O 5: d(M 2 ,O 5)> d(M 1 ,O 5) ,故将 O 5 分配给 C 1 更新后,得到的新簇为 C 1= {O 1,O 5 },C 2 ={O 2,O 3,O 4} 三、计算平方误差准则, 单个方差分别为 E 1= [(0-0) 2+ (2-2) 2]+ [(0-5) 2+ (2-2) 2]= 25 E 2= [(0-0) 2+ (0-0) 2]+ [(0-) 2+ (0-0) 2]+ [(0-5) 2+ (0-0) 2]= 总体平均方差是: E=E 1+E 2= 25+ = 四、计算新的簇中心 M 1= ((0+5)/2 , (2+2)/2) = ( , 2) M 2= ((0++5)/3 , (0+0+0)/3) = ( , 0) 五、重新计算距离并分类评估(重复步骤 1~3 ) O 3: d(M 2 ,O 3)< d(M 1 ,O 3) ,故将 O 3 分配给 C 2 O 4: d(M 2 ,O 4)< d(M 1 ,O 4) ,故将 O 4 分配给 C 2 O 5: d(M 2 ,O 5)> d(M 1 ,O 5) ,故将 O 5 分配给 C 1 更新后,得到的新簇为 C 1= {O 1,O 5 },C 2 ={O 2,O 3,O 4} 单个方差分别为 E 1= [(-0) 2+ (2-2) 2]+ [(-5) 2+ (2-2) 2]= E 2= [(-0) 2+ (0-0) 2]+ [(-) 2+ (0-0) 2]+ [(-5) 2+ (0-0) 2]= 总体平均方差是: E=E 1+E 2= + = 由上可以看出,第一次迭代后,总体平均误差值 ~ ,显著减小。由于两次迭代中,分类簇不变,所以停止迭代过程,算法停止。 #include<> #include<> #include<> #define N10 struct point{ float x; float y; }; struct sortResult{ struct point r1[N]; struct point r2[N]; int count1; int count2; float deviation; }; struct newCent