k均值聚类算法考试例题_K-均值法计算示例(示例)
B到兩個類的平均距離
類
B1
B2
AB
9
31
CDE
28
13
A到兩個類的平均距離
B到兩個類的平均距離
D到兩個類的平均距離
E到兩個類的平均距離
結論:所有像元不再重新分類
A
B
C
D
E
AB
2
2
338
882
890
CDE
613
761
61
13
17
D
2
(D,CDE)=(30-
28
)
2
+(10-
13
)
2
=
13
D
2
(E,CDE)=(32-28)
2
+(12-13)
2
=
17
像元
D到兩個類的平均距離
D
2
(E,ABC)=(32-13)
2
+(12-27)
2
=586
D
2
(D,ABC)=(30-13)
2
+(10-27)
2
=578
波段
(1)確定類別數為2(ABC,DE),計算兩個類的中心坐標
類中心坐標
(2)計算每個像元到類中心的歐氏距離,并將每個像元重新分配給最近的一類。若類中像元
D
2
(A,ABC)=(10-13)
2
+(30-27)
2
=
18
D
2
(A,DE)=(10-31)
2
+(30-11)
2
=802
D
2
(B,ABC)=(8-13)
2
+(32-27)
2
=
50
D
2
(B,DE)=(8-31)
2
+(32-11)
2
=970
各類平均距離匯總
重復步驟1、2;
D
2
(D,AB)=(30-
9
)
2
+(10-
31
)
2
=882
D
2
(E,AB)=(32-9)
2
+(12-31)
2
=890
D
2
(A,CDE)=(10-
28
)
2
+(30-
13
)
2
=613
D
2
(D,DE)=(30-31)
2
+(10-11)
2
=
2
D
2
(A,AB)=(10-
9
)
2
+(30-
31
)
2
=
2
D
2
(B,AB)=(8-9)
2
+(32-31)
2
=
2
D
2
(E,DE)=(32-31)
2
+(12-11)
2
=
2
結論1:C應重新分配到DE所在類
D
2
(B,CDE)=(8-28)
2
+(32-13)
2
=761
新的類中心坐標
E到兩個類的平均距離
總結
以上是生活随笔為你收集整理的k均值聚类算法考试例题_K-均值法计算示例(示例)的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 元认知是认知的监督体系
- 下一篇: 采用ImageJ+插件批量转换透射电镜s