聚类算法-最大最小距离算法(实例+代码)

聚类算法-最大最小距离算法(实例+代码)

    【尊重原创，转载请注明出处】http://blog.csdn.net/guyuealian/article/details/53708042

一、最大最小距离算法基本思想

     最大最小距离法是模式识别中一种基于试探的类聚算法，它以欧式距离为基础，取尽可能远的对象作为聚类中心。因此可以避免K-means法初值选取时可能出现的聚类种子过于临近的情况，它不仅能智能确定初试聚类种子的个数，而且提高了划分初试数据集的效率。
    该算法以欧氏距离为基础，首先初始一个样本对象作为第1个聚类中心，再选择一个与第1个聚类中心最远的样本作为第2个聚类中心，然后确定其他的聚类中心，直到无新的聚类中心产生。最后将样本按最小距离原则归入最近的类。

二、算法实现步骤

     假设有10个模式样本点：{x1(0 0), x2(3 8), x3(2 2), x4(1 1), x5(5 3), x6(4 8), x7(6 3), x8(5 4), x9(6 4), x10(7 5)}，其样本分布如图所示：

    最大最小距离聚类算法步骤如下：

    该算法的聚类结果与参数和起始点的选取关系重大。若无先验样本分布知识，则只有用试探法通过多次试探优化，若有先验知识用于指导和选取，则算法可很快收敛。

为了方便看解计算过程，下面以表格的方式列出：

    PS：上面的算法内容都是写在Word文档，然后截图放出来的，需要原版Word文档，留言发给你便是~

1.实例Matlab代码：【源码下载，可直接运行使用】http://download.csdn.net/detail/guyuealian/9714195 

测试代码：test.m

clear allclcx=[0,0; 3,8; 2,2;1,1; 5,3; 4,8; 6,3; 5,4;  6,4;  7,5]Theta=0.5;pattern=MaxMinDisFun(x,0.5)

%%%%%%%%%%%%%%%%%%函数名称 MaxMinDisFun(x,Theta)%输入参数：%           x  : x为n*m的特征样本矩阵，每行为一个样本，每列为样本的特征%         Theta：即θ，可用试探法取一固定分数，如：1/2%输出参数：%       pattern：输出聚类分析后的样本类别%函数功能 ：利用最大最小距离算法聚类样本数据，%%%%%%%%%%%%%%%%%%%%%function [pattern]=MaxMinDisFun(x,Theta)maxDistance=0;index=1;%相当于指针指示新中心点的位置k=1;      %中心点计数，也即是类别center=zeros(size(x));    %保存中心点patternNum=size(x,1);  %输入的数据数（样本数）%distance=zeros(patternNum,3);%distance每列表示所有样本到每个聚类中心的距离minDistance=zeros(patternNum,1);%取较小距离pattern=(patternNum);%表示类别center(1,:)=x(1,:);%第一个聚类中心pattern(1)=1;for i=2:patternNum    distance(i,1)=sqrt((x(i,:)-center(1,:))*(x(i,:)-center(1,:))');%欧氏距离，与第1个聚类中心的距离    minDistance(i,1)=distance(i,1);    pattern(i)=1;%第一类    if(maxDistance<distance(i,1))        maxDistance=distance(i,1);%与第一个聚类中心的最大距离        index=i;%与第一个聚类中心距离最大的样本    endendk=k+1;center(k,:)=x(index,:);%把与第一个聚类中心距离最大的样本作为第二 个聚类中心pattern(index)=2;%第二类minDistance(index,1)=0;while 1    for i=2:patternNum         if(minDistance(i,1)~=0)            distance(i,k)=sqrt((x(i,:)-center(k,:))*(x(i,:)-center(k,:))');%与第k个聚类中心的距离           if(minDistance(i,1)>distance(i,k))               minDistance(i,1)=distance(i,k);               pattern(i)=k;           end        end    end    max=0;    for i=2:patternNum        if((max<minDistance(i,1))&minDistance(i,1)~=0) % (x(i,:)~=center(k,:))              max=minDistance(i,1);            index=i;        end    end    if(max>(maxDistance*Theta))        k=k+1;        center(k,:)=x(index,:);        pattern(index)=k;        minDistance(index,1)=0;    else           break;    endend  

2.实例C++代码：

   这是网友的C++代码，可以参考一下，好像有点问题，自己看着办哈~娃哈哈哈哈……

 #include <iostream.h>#include <math.h>const int N=10;void main(void){ int center[20];  float s[2][N]={{0,3,2,1,5,4,6,5,6,7},                 {0,8,2,1,3,8,3,4,4,5}};  float D[20][N];  float min[N];  int minindex[N];  int clas[N];  float theshold;  float theta=0.5;  float D12=0.0;  float tmp=0;  int index=0;  center[0]=0;//first center  int i,k=0,j,l;  for(j=0;j<N;j++)  { tmp=(s[0][j]-s[0][0])*(s[0][j]-s[0][0])+(s[1][j]-s[1][0])*(s[1][j]-s[1][0]);D[0][j]=(float)sqrt(tmp);    if(D[0][j]>D12) {D12=D[0][j];index=j;}  }  center[1]=index;//second center  k=1;  index=0;  theshold=D12;  while(theshold>theta*D12){   for(j=0;j<N;j++){       tmp=(s[0][j]-s[0][center[k]])*(s[0][j]-s[0][center[k]])+          (s[1][j]-s[1][center[k]])*(s[1][j]-s[1][center[k]]);           D[k][j]=(float)sqrt(tmp);}   for(j=0;j<N;j++){   float tmp=D12;           for(l=0;l<=k;l++)   if (D[l][j]<tmp) {tmp=D[l][j];index=l;};           min[j]=tmp;minindex[j]=index;  }//min-operate   float max=0;index=0;       for(j=0;j<N;j++)         if(min[j]>max) {max=min[j];index=j;}   if (max>theta*D12){k++;center[k]=index;}// add a center   theshold=max;// prepare to loop next time }  //求出所有中心,final array min[] is still useful   for(j=0;j<N;j++)  clas[j]=minindex[j];   for(i=0;i<2;i++)   {for(j=0;j<N;j++)       cout<<s[i][j]<<"  ";    cout<<"\n";   }   cout<<"k="<<k+1<<" ";   cout<<"center(s):";   for(l=0;l<k;l++) cout<<center[l]+1<<"--";cout<<center[k]+1;   cout<<"\n";   for(j=0;j<N;j++)   cout<<clas[j]+1<<"  ";   cout<<"\n";}

如果你觉得该帖子帮到你，还望贵人多多支持，鄙人会再接再厉，继续努力的~