基于MATLAB的模糊ISODATA算法设计

基于 MATLAB 的模糊 ISODATA 算法设计目 录一、前言.....................................................1二、模糊 ISODATA 算法的基本原理...............................1三、模糊 ISODATA 算法的基本步骤...............................3四、模糊 ISODATA 算法 MATLAB 程序实现...........................7（一）模糊 ISODATA 算法 MATLAB 程序流程图....................7（二）模糊 ISODATA 算法程序运行结果及分析...................71、初始化数据...........................................82、修改初始化数据 e，其他同 1...........................143、修改初始化数据 m,其他同 1............................16五、后 22 组样本的聚类结果...................................19六、结论....................................................20参考文献....................................................21程序........................................................23一、前言G。 H。 Ball 与 D。 J。 Hall 于 1965 年提出的 ISODATA 算法是一个通过逐步修改聚类中心的个数与位置来达到分类目的的集群算法，后来不断有人提出它的各种改进算法，其中包括Ball 和 Hall 1967 年提出的改进算法、CLASS、Asp 等。1974 年 J。 C。 Dunn 首次提出应用模糊 数 学 判 据 的 ISODATA 集 群 算 法 -—Fuzzy ISODATA （ Iterative Self—Organizing Data Analysis Technique）。算法通过每样本点对各类的隶属度矩阵表示分类结果。通过不断修改聚类中心的位置来进行分类。1976 年 J. C。 Bezdek 把 Dunn 的方法推广到更一般的情形，并得到了一些有益的结论，其中包括新的判据,隶属度函数与聚类中心的计算公式。Bezdek 于1979 年用 W。 Zangwill 的理论证明了 Fuzzy ISODATA 的收敛性。该方法已在行星跟踪系统，心脏病分析和天气预报等方面得到了应用。[1］二、模糊 ISODATA 算法的基本原理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 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。［2］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。模糊 ISODATA 聚类方法从选择的初...