Составители:
41
между ними), образуя новые кластеры, которые также могут объеди-
няться попарно (в зависимости от взаимного расстояния) и т. д. Каждо-
му новому формируемому кластеру, соответствующему i-й строке мат-
рицы Z, присваивается индекс m + i (m – число исходных объектов).
Столбцы 1 и 2 матрицы Z содержат индексы объектов (кластеров), ко-
торые были объединены в пары при образовании нового кластера, а стол-
бец 3 – расстояние между данными объектами. Всего подобным обра-
зом будет организован m – 1 кластер.
Функция dendrogram(Z) возвращает графическое отображение ре-
зультата выполнения функции linkage.
9.2. Анализ при известном количестве кластеров
Функция kmeans(X, K) разделяет точки матрицы данных X размер-
ностью m × n на K кластеров (количество кластеров задается пользова-
телем и не может превышать количество элементов m).
9.3. Алгоритм нечеткой кластеризации
Функция fcm осуществляет кластеризацию с использованием алго-
ритма Fuzzy c-means
[center,U,obj_fcn] = fcm(data,cluster_n)
[center,U,obj_fcn] = fcm(data,cluster_n,option)
Аргументы функции:
data – матрица данных, каждый столбец которой соответствует од-
ной из переменных, а каждая строка – одному из опытов;
cluster_n – число задаваемых кластеров (должно быть больше 1);
options – вектор опций функций со следующими элементами:
options(1) – показатель для матрицы U (по умолчанию 2,0);
options(2) – максимальное число итераций при определении центров
кластеров (по умолчанию 100);
options(3) – минимальная сумма улучшения (по умолчанию 1е-5);
options(4) – вывод информации в процессе итераций (по умолчанию 1).
Выходные параметры функции:
center – матрица, элементы которой (по столбцам) являются коорди-
натами найденных центров кластеров, число строк равно числу центров;
U – матрица значений принадлежности данных к выявленным кла-
стерам;
obj_fcn – значения целевой функции в процессе итераций.
Страницы
- « первая
- ‹ предыдущая
- …
- 39
- 40
- 41
- 42
- 43
- …
- следующая ›
- последняя »