一种基于Mercer核函数的聚类算法
来源:互联网 发布:自学日语软件 编辑:程序博客网 时间:2024/06/05 02:52
传统的特点和本算法的特色
传统的C-均值聚类算法,没有对样本特征进行优化,直接利用样本惊醒聚类,这样上述的这些方法的有效性很大程度的取决于样本的分布。
距离的选择
我们假定样本x被非线性函数der(x)映射到高维特征空间,那么,我的的欧几里得距离有:
distence(x,y) = sqrt( len( der(x) - der(y) ) ) = sqrt(der(x)*der(x) + der(y)*der(y) - 2*der(x)*der(y))
显然,如果我门令K(x_i,x_j) =der(x_i) .* der(x_y)的话,那么有:
distence(x,y) = sqrt( K(x,x) - 2*K(x,y) +K(y,y) );
这样我们就把非线性函数映射der为K(二元标量函数)了。
K函数的选择
这个部分理论比较深,我就简单给出几个好用的例子:
(1)多项式核函数:K(x,y) = (x.*y + 1)^d ;d为整数。
(1)高斯核函数:K(x,y) = exp(-a * len(x - y)); a>0。
(1)两层神经网络核函数:K(x,y) = tanh(-b(x.*y) - c) 。
聚类算法
(1)确定类别数 num_class;
(2)确定初始化聚类中心center[k][i],第i类的第k次迭代中心,i = 1...num_sample;
(3)确定从属矩阵,matrix_class[j][i] 第j个样本是否在第i类中。
(4)修改核函数矩阵。
avg_dis_between_center_sample(i:center) = sum_j_from_to(1,num_sample,matrix_class[j][i]*K(x_i,x_j))/sum_j_from_to(1,num_sample,matrix_class[j][i]);
avg_is_between_sample_sample(i:center) = sum_i_from_to(1,num_sample,sum_j_from_to(1,num_sample,matrix_class[j][i]*K(x_i,x_j)))/(sum(1,num_sample,matrix[j][i]))^2;
(5)计算误差:
一个类在数轴上:————————A——B————C——————>
对于一个类:A为现在的样本样本距离,B为现在的样本类内距离,C为上一次的样本样本距离。
所以误差为:e_i = avg_is_between_sample_sample(i,k+1) - avg_dis_between_center_sample(i,k) + avg_dis_between_center_sample(i.k) - avg_is_between_sample_sample(i,k)
k为时代数。
之总的误差为: e = sum(e_i);
(6)如果总的误差 e < Emax 则结束,否在转到3.
聚类的结果,很显然的在matrix_class中。
代码
以后补充,这个写的很详细了,你可以自己实现以下。
- 一种基于Mercer核函数的聚类算法
- 核函数的充要条件-Mercer定理的证明
- 一种基于并查集的层次聚类算法
- SVM 核 Mercer
- Mercer's Theorem的证明
- 一种基于回溯的路径寻找算法
- 一种基于喊话模式的排序算法
- PersonalRank:一种基于图的推荐算法
- 一种基于众核GPU上高性能的基于比较的排序算法[1]
- <<一种基于δ函数的图象边缘检测算法>>一文算法的实现。
- 一种基于Sunday算法的单模式字符串匹配算法
- 一种新的矩形聚类算法
- 一种高效的混合聚类算法
- 基于C++的string类的大数相加的一种算法
- 一种基于RSSI的实时定位算法的研究
- 基于图像形状的一种比较漂亮的分类算法
- 一种基于启发式算法的货物装载问题的研究
- 基于图像形状的一种比较漂亮的分类算法
- FileGDB API 发布啦
- 折腾Kindle记
- 常用asp(自我整理)
- source insight打开工程死掉问提
- Velocity案例(简单的Hello)
- 一种基于Mercer核函数的聚类算法
- 字符指针 和 字符串 效率的 研究
- sony ericsson dbk file 的查看
- 创业与打工
- 【少儿教育、大学教育、品德教育等阻碍了中国创新人才的生长】
- 职业选择(转)
- DB2中类似于ORACLE中的DUAL表的表
- SQL 9 联合结果集 概述与准备
- Tips To Warm Your Hands & Feet [Health Tips]