文件名称：isodata的matlab代码博客-First:你好，世界
文件大小：14KB
文件格式：ZIP
更新时间：2024-06-24 01:46:46
系统开源
isodata的matlab代码博客聚类/子空间聚类算法的集合 1. 聚类算法 K均值 K-means++ 一般来说，这个算法类似于K-means ； 与经典的 K-means 随机选择初始质心不同，更好的初始化程序被集成到K-means++ 中，其中远离现有质心的观察被选为下一个质心的概率更高。 初始化过程可以使用健身比例选择来实现。 ISODATA（迭代自组织数据分析） 简而言之， ISODATA引入了两个额外的操作：拆分和合并； 当一类内的观测数小于一个预先定义的阈值时， ISODATA以最小的类间距离合并两个类； 当一个类的类内方差超过一个预先定义的阈值时， ISODATA将这个类分成两个不同的子类。 2. 子空间聚类算法 子空间 K 均值 该算法通过将每个维度d j乘以一个权重m j (st sum( m j )=1, j =1,2,..., p ) 直接将K-means扩展到子空间聚类； 它可以以期望最大化 (EM) 方式有效解决。 在每个 E 步中，它使用拉格朗日乘子更新权重、质心； 这种粗略的算法存在一个问题，即在对稀疏数据进行聚类时，它倾向于仅使用几个维度； 熵权子空
【文件预览】：
First-master
----Subspace_Clustering.m(135B)
----Clustering.m(1KB)
----data()
--------toy_clustering.mat(3KB)
--------toy_subspace_clustering.mat(4KB)
----lib()
--------Kmeanspp.m(2KB)
--------Subspace_Kmeans.m(3KB)
--------Entropy_Weighting_Subspace_Kmeans.m(2KB)
--------ISODATA.m(3KB)
--------Kmeans.m(1KB)
----README.md(2KB)