tghk.net
当前位置:首页>>关于MATLAB kmeans 怎么样使用自定义的距离函数的资料>>

MATLAB kmeans 怎么样使用自定义的距离函数

以MATLAB R2012b为例: 一、点击下图中红圈指示“Find Files”。 二、执行完步骤一,出现下图,先在红圈1中输入“kmeans”,再在红圈2中选择文件类型为“.m“,再在红圈3中选择搜索范围”Entire MATLAB path“,再点击红圈4中”Find“,然后就会出现红圈

K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以偶是距离作为相似度测度,它是求对应某一初始聚类中心向量V最...

有点看不懂。

[Idx,C,sumD,D]=Kmeans(data,3,’dist’,’sqEuclidean’,’rep’,4) 等号右边: kmeans:K-均值聚类 data是你自己的输入数据 3 是你要聚成3类 dist sqEuclidean 这2个参数,表示距离函数为欧式距离。什么是欧式距离自己百度 ’rep’,4 聚类重复次数4次...

以MATLAB R2012b为例: 一、点击下图中红圈指示“Find Files”。 二、执行完步骤一,出现下图,先在红圈1中输入“kmeans”,再在红圈2中选择文件类型为“.m“,再在红圈3中选择搜索范围”Entire MATLAB path“,再点击红圈4中”Find“,然后就会出现红圈5...

首先给出原始数据{x1,x2,...,xn},这些数据没有被标记的。 初始化k个随机数据u1,u2,...,uk。这些xn和uk都是向量。 根据下面两个公式迭代就能求出最终所有的u,这些u就是最终所有类的中心位置。 公式一: 意思就是求出所有数据和初始化的随机数据...

可以能看一下下面这个连接里的文章 http://wenku.baidu.com/link?url=Rg5ZkqB8a669FDKp6RC2by9OwY-vyeag6_Y9ETysoiPpGs1x9vn3UBA85wsutNA35XcCHqENUQ72UoGwvS3Pa5L14u4wZ3ujcvDTXG_k7W7

fid=fopen('11.txt','r'); data=[]; while 1 tline=fgetl(fid); if ~ischar(tline),break;end tline=str2num(tline); data=[data;tline]; end z = data(:,1); P = data(:,2); Q = data(:,3); data = [];

直接用kmeans函数。。。 idx = kmeans(X,k) idx = kmeans(X,k,Name,Value) [idx,C] = kmeans(___) [idx,C,sumd] = kmeans(___) [idx,C,sumd,D] = kmeans(___) idx = kmeans(X,k) performs k-means clustering to partition the observations of ...

[IDX,C,sumd] = kmeans(X,k) 其中X是只含数字部分的矩阵。k是要聚集的类数。

网站首页 | 网站地图
All rights reserved Powered by www.tghk.net
copyright ©right 2010-2021。
内容来自网络,如有侵犯请联系客服。zhit325@qq.com