对数据进行聚类分析实验报告.doc

对数据进行聚类分析实验报告

徐远东 任争刚 权荣

一、 基本要求

用 FAMALE.TXT、MALE.TXT 和/或 test2.txt 的数据作为本次实验使用的样
本集，利用 C 均值和分级聚类方法对样本集进行聚类分析，对结果进行分析，
从而加深对所学内容的理解和感性认识。

二、 实验要求

1、

2、

3、


把 FAMALE.TXT 和 MALE.TXT 两个文件合并成一个，同时采用身高 和体重数据作为特征，设类别数为 2，利用 C 均值聚类方法对数据进
行聚类，并将聚类结果表示在二维平面上。尝试不同初始值对此数据
集是否会造成不同的结果。

对 1 中的数据利用 C 均值聚类方法分别进行两类、三类、四类、五类 聚类，画出聚类指标与类别数之间的关系曲线，探讨是否可以确定出
合理的类别数目。

对 1 中的数据利用分级聚类方法进行聚类，分析聚类结果，体会分级

聚类方法。 。

4、 利用 test2.txt 数据或者把 test2.txt 的数据与上述 1 中的数据合并在一
起，重复上述实验，考察结果是否有变化，对观察到的现象进行分析，
写出体会
三、 实验步骤及流程图

根据以上实验要求，本次试验我们将分为两组：一、首先对 FEMALE 与 MALE 中 数据组成的样本按照上面要求用 C 均值法进行聚类分析，然后对 FEMALE、MALE、
test2 中数据组成的样本集用 C 均值法进行聚类分析，比较二者结果。二、将上 述两个样本用分即聚类方法进行聚类，观察聚类结果。并将两种聚类结果进行比
较。
一、 1） C 均值算法思想 （、
C均值算法首先取定C个类别和选取C个初始聚类中心，按最小距离原则将各模式 分配到C类中的某一类，之后不断地计算类心和调整各模式的类别，最终使各模
式到其判属类别中心的距离平方之和最小
（2） 、实验步骤
第一步：确定类别数 C，并选择 C 个初始聚类中心。本次试验，我们分别将 C 的 值取为 2 和 3。用的是凭经验选择代表点的方法。比如：在样本数为 N 时，分为
两类时，取第一个点和第 INT (N / 2)+1个点作为代表点；分为三类时，取第一、

INT (N / 3)+1、 INT (2N / 3)+1个点作为代表点；
第二步：将待聚类的样本集中的样本逐个按最小距离规则分划给 C 个类中的某一
类。
第三步：计算重新聚类后的个各类心，即各类的均值向量。
第四步：如果重新得到的类别的类心与上一次迭代的类心相等， 则结束迭代，否
则转至第二步。
第五步：迭代结束时，换不同的初始值进行试验，将实验结果进行比较
（3） 、实验流程图

（4） 、本次试验我们用的聚类指标是误差平方和聚类准则 Je
设 Ni 是第 i 聚类 Ci 的样本数目， zi 是这些样本的均值，则把 Ci 中得各样本 y 与

均值 zi 间的误差平方和对所有类相加后为：

J =åå c

e
i=1 yÎCi


y-m
i


2

当 C 取不同的值时各自算出它们的

二、利用分级聚类方法进行聚类

J e ，进行比较。

1、分级聚类法思想：首先把全部样本作为一类看做一类，然后根据一定的目标

函数进行分解。
2、步骤
第一步：开始时，将全部样本当做一类，第二类即为空集。
第二步：将第一类中的第一个样本放入第二类，计算两类样本均值 X1, X 2 ，并
确定两类别中样本数目 N1，N2 以及目标函数 E = N1N2 ( X1- X 2)'( X1- X 2)
N
第三步：将第一类中剩下的所有样本依次放入第二类中，按照上面运算得出 E
值，并比较 E 值大小，选择是 E 值最大的样本，将其归入第二类。并记录此时的
E 为 E（2）
第三步：将新的两类按照上面的方法继续划分，直到第 i 次迭代的 E（i）<E（i-1）
或者到达规定的迭代次数。
3、实验流程图

四、 实验结果

I、1、用 FAMALE.TXT 和 MALE.TXT 中的数据组合起来作为样本集：
C=2 时
（1） 、取第一个和第五十一个样本作为初始聚类中心，得出的实验结果图如下：