电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

ISODATA算法

ISODATA算法_第1页
1/21
ISODATA算法_第2页
2/21
ISODATA算法_第3页
3/21
ISODATA 算法汇报文档 1 ISODATA 算法汇报文档 一. 算法介绍 1.背景 ISODATA(迭代自组织数据分析算法)来自模糊数学领域,是统计模式识别中非监督动态聚类算法的一种。 在许多科学实验、经济管理和日常生活中,往往需要对某些指标(或事物)按一定的标准(相似的程度、亲疏关系等)进行分类处理。例如,根据生物的某些形态对其进行分类,图像识别中对图形的分类等。这种对客观事物按一定要求和规律进行分类的数学方法主要就是聚类分析法,聚类分析是数理统计中研究“物以类聚”的一种多元分析方法,而模糊聚类分析法是通过数学工具根据事物的某些模糊性质进行定量地确定、合理地分型划类的数学方法。 2、算法基本思想 J . C. Bezdek 在普通分类基础上, 利用模糊集合的概念提出了模糊分类问题。认为被分类对象集合X 中的样本x [i] 以一定的隶属度属于某一类,即所有的样本都分别以不同的隶属度属于某一类。因此,每一类就被认为是样本集X 上的一个模糊子集,于是,每一种这样的分类结果所对应 的分类矩 阵 ,就是一个模糊矩 阵 。ISODA TA 聚类方法预 先 确定样本应 该 分成 几 类,从 先 给 出的一个初 始 分类出发 ,根据目 标函 数, 用数学迭代计算的方法反 复 修 改 模糊矩阵 ,直 到 合理为止 。 3、算法基本原 理 设 有限 样本集(论 域)X={ X1,X2,… Xn },每一个样本有s 个指标,Xj=( xj1,xj2,… xjs) ,j=1,2,… n. 及 样本的特 征 矩 阵 : 欲 把 它 分为c 类(2

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

确认删除?
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群