西电数据挖掘大作业kmeans和kmedoids

1、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Xnn-1N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：labeli=arg min |xi-cj|2,i=1,N, j=1,k3. 按下式重新计算k个聚类中心；cj=s:labels=jxjNj,j=1,2,k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:

2、%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 y cnew n=k_means(sample,k)N V=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

3、录迭代次数%对样本进行重新分类for i=1:Nfor j=1:kif(V=1) dist(1,j)=abs(sample(i,:)-cold(j,:);else dist(1,j)=norm(sample(i,:)-cold(j,:);endendfor s=1:kif(dist(1,s)=min(dist) y(i,1)=s-1;endendend%更新聚类中心cnew=zeros(k,V);flag=zeros(k,1);for i=1:Nfor j=1:kif (y(I,1)=j-1) flag(j,1)=flag(j,1)+1; cnew(j,J=cnew(j,J+sample(I,

4、J;endendendfor j=1:k cnew(j,J=cnew(j,J/flag(j,1);endendk_means_waveform:clear;clc;%数据读入%data=load('G:西电2014大三下大作业');N K=size(data); %数据集的数目data0=zeros(1,K);data1=zeros(1,K);data2=zeros(1,K);for i=1:Nif(data(i,K)=0) data0=cat(1,data(i,:),data0);elseif(data(i,K)=1) data1=cat(1,data(i,:),data1)

5、; else data2=cat(1,data(i,:),data2);endendsample=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%y cnew n=k_means(sample,k);%正确率统计%sum=zeros(1,6);N V=size(sample);for i=1:Nif(y(i,1)=label(i,1) sum(1,1)=sum(1,1)+1;endendf

6、or i=1:Nif(y(i,1)+label(i,1)=2) sum(1,2)=sum(1,2)+1;endendfor i=1:Nif(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;endendfor i=1:Nif(y(i,1)=0)&&(label(i,1)=1)|(y(i,1)=1)&&label(i,1)=0)|(y(i,1)=2)&&la

7、bel(i,1)=2) sum(1,4)=sum(1,4)+1;endendfor i=1:Nif(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;endendfor i=1:Nif(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)

8、=sum(1,6)+1;endendsum=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');I2=rgb2gray(I1);%转化为灰度图像I=im2double(I2);num v=size(I);sample=reshape(I,v*num,1);%样本

9、集k=2; %聚类中心的数目%K_means%y cnew n=k_means(sample,k);%v%I3=sample;if(cnew(1,1)>=cnew(2,1) F0=255;F1=0;else F0=0;F1=255;endfor i=1:num*vif(y(i,1)=0) I3(i,1)=F0;else I3(i,1)=F1;endendI3=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

10、');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_

11、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 y med=k_medoids(sample,k)N V=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for i

12、=1:Nfor j=1:k dist(1,j)=norm(sample(i,:)-med(j,:);end temp(i,1)=min(dist);for s=1:kif(dist(1,s)=temp(i,1) temp(i,2)=s;endendend 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);for j=1:k med_temp(j,:)=sample(index,:);%将所有样本分配到最近的代表点for i=1:Nfor t=1:k d

13、ist(1,t)=norm(sample(i,:)-med_temp(t,:);end temp(i,1)=min(dist);for s=1:kif(dist(1,s)=temp(i,1) temp(i,2)=s;endendend E(1,j)=sum(temp(:,1);end Enew=min(E);for t=1:kif(E(1,t)=Enew) obest=t;endendif(Enew<Eold) med(obest,:)=sample(index,:);else Enew=Eold;endendk_medoids_waveform:clear;clc;%Ê

14、53;¾Ý¶ÁÈë%data=load('G:西电2014大三下大作业Data Mining k_medoidswaveform-+noise.data');N K=size(data); %数据集的数目data0=zeros(1,K);data1=zeros(1,K);data2=zeros(1,K);for i=1:Nif(data(i,K)=0) data0=cat(1,data(i,:),data0);elseif(data(i,K)=1) data1=cat(1,data(i,:),data1); else

15、data2=cat(1,data(i,:),data2);endendsample=cat(1,data0(1:100,:),data1(1:100,:),data2(1:100,:);label=sample(:,K); %Ñù±¾µÄÕýÈ·Àà±êsample=sample(:,1:K-1); %Ñù±¾¼¯ k=3; %聚类中心的数目%k_medoids%y med=k_medoids(s

16、ample,k);%正确率统计Æ%sum=zeros(1,6);N V=size(sample);for i=1:N y(i,1)=y(i,1)-1;endfor i=1:Nif(y(i,1)=label(i,1) sum(1,1)=sum(1,1)+1;endendfor i=1:Nif(y(i,1)+label(i,1)=2) sum(1,2)=sum(1,2)+1;endendfor i=1:Nif(y(i,1)=0)&&(label(i,1)=0)|(y(i,1)=1)&&label(i,1)=2)|(y(i,1)=2)&&la

17、bel(i,1)=1) sum(1,3)=sum(1,3)+1;endendfor i=1:Nif(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;endendfor i=1:Nif(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)

18、=sum(1,5)+1;endendfor i=1:Nif(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;endendsum=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Data Mining k_medoidslena.jpg');D=0.001;I1=imnoise(I0,'ga