摘要：
isodata
演算法是目前應用比較廣泛的，通過引入引數而進行人機互動不斷進行**
與合併的非監督分類演算法。本文介紹了
isodata
基本原理與具體實現的過程，並用對引數
設定的影響進行了試驗和分析。
isodata
非監督分類
演算法模式識別
一、原理介紹
isodata
，迭代自組織分析，通過設定初始引數而引入人機對話環節，並使用歸併與**的機制，當某兩
類聚類中心距離小於某一閾值時，將它們合併為一類，當某類標準差大於某一閾值或其樣本數目超過某一
閾值時，將其分為兩類。在某類樣本數目少於某閾值時，需將其取消。如此，根據初始聚類中心和設定的
類別數目等引數迭代，最終得到乙個比較理想的分類結果。
二、演算法設計
第一步：
將個模式樣本
讀入，確定
c個初始聚類中心和
個初始引數kθn
θcθsli
第二步：將n
個模式樣本分給最近的聚類，
假如dj=min(
x-zj
,i=1,2,…,),
即‖x-zj
‖的距離最小，則x
sj第三步：如果
sj中的樣本數
nj取消樣本子集。
第四步：修正聚類中心值
j=1,2,
第五步：計算各聚類域
sj中諸聚類中心間的平均距離：
第六步：計算全部模式樣本對其相應聚類中心的總平均距離：
第七步：判別**、合併及迭代運算等步驟：
①如迭代運算次數已達
i次，即最後一次迭代，置
θc = 0,
跳到第十一步，運算結束。
②如≤k/2
，即聚類中心的數目等於或不到規定值的一半，則進入第八步，將已有的聚類**。
③如迭代運算的次數是偶次，或
≥2k，不進行**處理，跳到第十一步；如不符合以上兩個條件(即既
不是偶次迭代，也不是
≥2k)，則進入第八步，進行**處理。
**處理：
第八步：計算聚類樣本距離的標準差向量：
第九步：求每一標準差向量
σj=1,2, …
中的最大分量，以
{σj=1,2, …
代表。第十步：在任一最大分量集
{σj=1,2, …
中，如有
>θs
(該值給定)，同時又滿足以下二條件中之一：
(a)，即
sj中樣本總數超過規定值一倍以上，
bnc≤k/2
簡述isodata演算法的原理 ISODATA演算法
isodata 演算法匯報文件 一 演算法介紹 1.背景 isodata 迭代自組織資料分析演算法 來自模糊數學領域 是統計模式識別 中非監督動態聚類演算法的一種。在許多科學實驗 經濟管理和日常生活中，往往需要對某些指標 或事 物 按一定的標準 相似的程度 親疏關係等 進行分類處理。例如，根據 生物...
K means和ISODATA 演算法 原理與實現
k means演算法 原理 對於給定的樣本集，按照樣本之間的距離大小，將樣本集劃分為k個簇。讓簇內的點盡量緊密的連在一起，而讓簇間的距離盡量的大。如果用資料表示式表示，假設簇劃分為 c1,c2,ck 則我們的目標是最小化平方誤差e 其中 i是簇ci的均值向量，有時也稱為質心，表示式為 一般步驟 1....
簡述二分查詢演算法原理
舉例 當需要查詢乙個公升序陣列中是否包含某個數時，可以使用二分查詢演算法 要求陣列必須有序 就是將陣列的中間值與該數比較，若該數大於中間值，則表明在該陣列中間值的右側，反之亦然，這個時候，將改變起始值或末尾值在將該數，與重新選定的區域中間值判斷，依次類推，直到結束 author zhangyu da...