标签:选择 data- 之间 imp 距离 wro 数据 例子 shape
ISODATA迭代自组织数据分析算法。
上一篇K-mean算法实质上应属于监督学习的算法,而这次的ISODATA算法则属于非监督学习,在不确定聚类中心数目的情况下,只根据提前设置好的参数对样本点进行分类,可以结合人机交互的结构,在K-mean算法的基础上增加了合并核和分裂两个操作,相对来说更为灵活。
下面是ISODATA算法的一个简单样本分类例子:
#ISODATA聚类算法 #ISODATA算法加入试探步骤,结合人机交互的结构 from numpy import* from math import sqrt import sys #分类函数 def classification(x,z): (mx,nx)=x.shape #N存储各个聚类域包含的点号数 N=[] x_z_dis=[] #考虑初始时一个聚类中心的情况 if len(z) == 1: for i in range(0,mx): N.append(i) #考虑两个或两个以上聚类中心的情况 else: for j in range(0,len(z)): N.append([]) for i in range(0,mx): x_z_dis=[] for j in range(0,len(z)): x_z_dis.append((x[i][0]-z[j][0])**2+(x[i][1]-z[j][1])**2) #根据各样本点到聚类中心的距离情况分类 x_z_min=x_z_dis[0] position=0 for k in range(0,len(x_z_dis)): if x_z_dis[k] <= x_z_min: position=k x_z_min=x_z_dis[k] N[position].append(i) return N #根据样本分类情况获得聚类中心点 返回格式 z[[]] def get_center(x,N): (mx,nx)=x.shape tem_z=[0,0] tem_1=0 tem_2=0 z=[] if len(N) == len(x): for i in range(0,mx): tem_z=tem_z+x[i]/mx z.append(tem_z) else: for i in range(0,len(N)): for j in range(0,len(N[i])): tem_1=tem_1+x[N[i][j]][0]/len(N[i]) tem_2=tem_2+x[N[i][j]][1]/len(N[i]) tem_z=[tem_1,tem_2] z.append(tem_z) return z #获得样本到相应聚类中心的距离 返回格式 dis[ , , ] def get_distance(x,z,N): d=0 dis=[] if len(N)==len(x): for j in range(0,len(N)): d=d+sqrt((z[0][0]-x[N[j]][0])**2+(z[0][1]-x[N[j]][1])**2)/len(N) dis.append(d) else: for i in range(0,len(N)): for j in range(0,len(N[i])): d=d+sqrt((z[i][0]-x[N[i][j]][0])**2+(z[i][1]-x[N[i][j]][1])**2)/len(N[i]) dis.append(d) return dis #计算各聚类域的标准差向量 def get_sigma(x,z,N): if len(N)==len(x): sig1=0 sig2=0 for j in range(0,len(N)): sig1=sig1+(z[0][0]-x[N[j]][0])**2/len(N) sig2=sig2+(z[0][1]-x[N[j]][1])**2/len(N) sig1=sqrt(sig1) sig2=sqrt(sig2) sigma=array([[sig1,sig2]]) else: sigma=arange(2*len(N)).reshape(len(N),2) for i in range(0,len(N)): sig1=0 sig2=0 for j in range(0,len(N[i])): sig1=sig1+(z[i][0]-x[N[i][j]][0])**2/len(N[i]) sig2=sig2+(z[i][1]-x[N[i][j]][1])**2/len(N[i]) sig1=sqrt(sig1) sig2=sqrt(sig2) sigma[i]=array([sig1,sig2]) return sigma #获得列表最大值的位置 a=[[],[],[],[]] 返回最大值所处位置 def get_Max_position(a): position=0 (pos_1,max_1)=get_Max_value(a[0]) max_s=max_1 for i in range(1,len(a)): (tem_p,tem_m)=get_Max_value(a[i]) if (tem_m > max_s): max_s=tem_m position=i return position #获得单层列表中的较大值的位置与数值 a=[] def get_Max_value(a): max_s=a[0] position=0 for i in range(1,len(a)): if a[i]>max_s: max_s=a[i] position=i return position,max_s #获得每个聚类中心之间的距离以及记录 def get_z_dis(z): z_dis=[] the_pos=[] for i in range(0,len(z)-1): for j in range(i+1,len(z)): z_dis.append(sqrt((z[i][0]-z[j][0])**2+(z[i][1]-z[j][1])**2)) the_pos.append([i,j]) return z_dis,the_pos #获得所有样本到其相应聚类中心的距离的平均值 def average_dis(x,dis,N): ave_dis=0 if len(N)==len(x): ave_dis=dis[0] else: for i in range(0,len(dis)): ave_dis=ave_dis+dis[i]*len(N[i]) ave_dis=ave_dis/len(x) return ave_dis #更新六大参数 def update_parameter(): K=int(input("K is updated to: ")) the_N=int(input("the_N is updated to: ")) the_S=int(input("the_S is updated to: ")) the_C=int(input("the_C is updated to: ")) L=int(input("L is updated to: ")) I=int(input("I is updated to: ")) return K,the_N,the_S,the_C,L,I #对类别进行分裂处理 def split_z(z,N,n,sigma,dis,the_S,C,K): ave_d=average_dis(x,dis,N) if sigma.max() > the_S and (C <= K/2 or ((dis[get_Max_position(sigma)]>ave_d) and len(N[get_Max_position(sigma)])>2*(the_N+1))): z_update=[] (pos,val)=get_Max_value(sigma[get_Max_position(sigma)]) r=0.5*val if pos ==0: z.append([z[get_Max_position(sigma)][0]+r,z[get_Max_position(sigma)][1]]) z.append([z[get_Max_position(sigma)][0]-r,z[get_Max_position(sigma)][1]]) else: z.append([z[get_Max_position(sigma)][0],z[get_Max_position(sigma)][1]+r]) z.append([z[get_Max_position(sigma)][0],z[get_Max_position(sigma)][1]-r]) #更新聚类中心 del z[get_Max_position(sigma)] C=C+1 #迭代次数加一 n=n+1 ISODATA(x,C,z,n,K,the_N,the_S,the_C,L,I) #合并聚类中心 def gather_z(z,N,the_C,C): #获得每个聚类中心之间的距离以及记录 (z_dis,the_pos)=get_z_dis(z) #z_pos用于存储距离小于阈值的z_dis位置 z_pos=[] for i in range(0,len(z_dis)): if z_dis[i]<the_C: z_pos.append(i) #防止某类别被多次归并 定义下变量 used_num=[] if len(z_pos)==0: return z,C for i in range(0,len(z_pos)): if the_pos[z_pos[i]][0] in used_num or the_pos[z_pos[i]][1]in used_num: continue else: used_num.append(the_pos[z_pos[i]][0]) used_num.append(the_pos[z_pos[i]][1]) z_new=get_new_z(z[the_pos[z_pos[i]][0]],z[the_pos[z_pos[i]][1]],len(N[the_pos[z_pos[i]][0]]),len(N[the_pos[z_pos[i]][1]])) z.append(z_new) if the_pos[z_pos[i]][0]<the_pos[z_pos[i]][1]: del z[the_pos[z_pos[i]][1]] del z[the_pos[z_pos[i]][0]] else: del z[the_pos[z_pos[i]][0]] del z[the_pos[z_pos[i]][1]] C=C-1 return z,C #合并聚类中心中间操作 num_1为z_1类别样点数 num_2为z_2类别样点数 def get_new_z(z_1,z_2,num_1,num_2): z_new=[] z_new_1=(num_1*z_1[0]+num_2*z_2[0])/(num_1+num_2) z_new_2=(num_1*z_1[1]+num_2*z_2[1])/(num_1+num_2) z_new=[z_new_1,z_new_2] return z_new #选择是否修改参数 def whether_modify(x,C,z,n,K,the_N,the_S,the_C,L,I): b=input("Need you change the parameter?(Y/N)\n") if b=="Y": (K,the_N,the_S,the_C,L,I)=update_parameter() n=n+1 ISODATA(x,C,z,n,K,the_N,the_S,the_C,L,I) elif b=="N": n=n+1 ISODATA(x,C,z,n,K,the_N,the_S,the_C,L,I) else: print("Enter a wrong word!") whether_modify(x,C,z,n,K,the_N,the_S,the_C,L,I) #展示成果 def show_result(N,z): print("Clustering center: "+str(z)) print("Classification: ") if len(N) ==len(x): print("Center include "+str(N)) else: for i in range(0,len(N)): print("Center "+str(i)+" include "+str(N[i])) #ISODATA聚类函数 def ISODATA(x,C,z,n,K,the_N,the_S,the_C,L,I): #N为各聚类域分类情况 N=classification(x,z) #取消样本数低于阈值的样本区间 if len(N) != len(x): for i in range(0,len(N)): if len(N[i]) <= the_N: del N[i] del z[i] C=C-1 break #对各聚类域再确定聚类中心 z=get_center(x,N) dis=get_distance(x,z,N) ave_d=average_dis(x,dis,N) if n >=I: the_C=0 (z,C)=gather_z(z,N,the_C,C) N=classification(x,z) show_result(N,z) sys.exit(0) elif n%2==0 or C>=2*K: (z,C)=gather_z(z,N,the_C,C) else: sigma=get_sigma(x,z,N) split_z(z,N,n,sigma,dis,the_S,C,K) (z,C)=gather_z(z,N,the_C,C) if n >= I: N=classification(x,z) show_result(N,z) sys.exit(0) else: whether_modify(x,C,z,n,K,the_N,the_S,the_C,L,I) #初始化算法需要确定并在计算中可以调整的参数: #所要求聚类中心数 K=2 #每个类别至少应具有的样本数目 the_N=1 #每个类别标准差阈值 the_S=1 #聚类中心之间距离的阈值——归并系数 the_C=2 #一次迭代能归并的最多对数 L=0 #允许迭代的最多次数 I=4 x=array([[0,0],[3,8],[2,2],[1,1],[5,3], [4,8],[6,3],[5,4],[6,4],[7,5]]) #取初始聚类中心数C 聚类中心为z 函数迭代次数为n C=1 z=[x[0]] n=1 ISODATA(x,C,z,n,K,the_N,the_S,the_C,L,I)
标签:选择 data- 之间 imp 距离 wro 数据 例子 shape
原文地址:http://www.cnblogs.com/Mso1350/p/6786580.html