聚类算法 |
您所在的位置:网站首页 › 最小楼间距计算方法有哪些 › 聚类算法 |
算法描述: 1)N个初始模式样本自成一类,即建立N类: G1(0),G2(0),…,Gn(0) (G_Group)计算 各类之间(即各样本间)的距离(相似性、相关性),得一N*N维距离矩阵。“0”表示初始状态。 2)假设已求得距离矩阵D(n)(n为逐次聚类合并的次数),找出D(n)中的最小元素,将其对应的两类合并为一类。由此建立新的分类: G1(n+1),G2(n+1),…3)计算合并后新类别之间的距离,得D(n+1)。 4)跳至第二步,重复计算及合并。 结束条件: 取距离阈值T,当D(n)的最小分量超过给定值T时,算法停止。所得即为聚类结果。 或不设阈值T,一直将全部样本聚成一类为止,输出聚类的分级树。 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |