کد متلب الگوریتم خوشه بندی k-medoids
در این پروژه ، الگوریتم خوشه بندی kmedoids را پیاده سازی کرده ایم و دیتاست iriis را با این الگوریتم خوشه بندی کرده ایم.
الگوریتم خوشه بندی kmedoids شبیه به الگویتم kmeans می باشد. هر دوی این الگوریتم ها داده ها را به بخش های مجزایی تقسیم بندی میکنند و سعی میکنند تا میزان فاصله بین داده های موجود در هر خوشه را مینیمم کنند. تفاوت الگوریتم خوشه بندی k-medoids با الگوریتم kmeans این است که الگوریتم kmedoids مرکز خوشه را از بین خود داده ها انتخاب میکند در حالی که الگوریتم kmeans مرکز کلاستر ها از میانگین داده های موجود در کلاستر بدست می آید.
K- Medoids ، يکي از الگوريتم هاي يادگيري بدون نظارت است که مسائل کلاسترينگ معروف را حل مي کند. اين الگوريتم از يک شيوه ساده براي کلاسيفاي کردن يک مجموعه داده در يک تعداد از پيش مشخص شده (k) کلاستر ، استفاده مي کند.
ايده اصلي تعريف k مرکز می باشد یعنی براي هر يک از کلاستر ها یک مرکز مشخص میکنیم . اين مراکز بايستي از بین خود نمونه های موجود انتخاب شوند.
قدم بعدي تخصيص هر الگو به نزديک ترين مرکز مي باشد.
وقتي همه ي نقاط به مراکز موجود تخصيص داده شدند، مرحله اول تکميل شده است و يک گروه بندي اوليه انجام شده است. در اين مرحه نياز داريم که k مرکز جديد براي کلاستر هاي مرحله قبل محاسبه کنيم. یعنی مرکز هر یک از کلاستر ها را بروز رسانی میکنیم
برای بروزرسانی مرکز هر خوشه بصورت زیر عمل میکنیم:
هر یک از نمونه های موجود در کلاستر را به ترتیب بعنوان مرکز کلاستر در نظر میگیریم و انگاه میزان فاصله سایر نقاط موجود در ان کلاستر با این مرکز جدید را محاسبه میکنیم. بعد از اینکه این عمل را به ازای همه نقاط موجود در کلاستر انجام دادیم، ان نقطه ای را بعنوان مرکز کلاستر در نظر میگیرم که مجموع فاصله سایر نقاط تا ان نقطه کمترین مقدار باشد.
بعد از تعيين k مرکز جديد ،مجدداً داده ها را به مراکز مناسب تخصيص مي دهيم. اين مراحل را آنقدر تکرار مي کنيم که ديگر k مرکز ،جابجا نشوند.
ما در این کار داده های دیتاست iris را با الگوریتم kmedoids خوشه بندی میکنیم و میزان دقت خوشه بندی را محاسبه میکنیم و همچنین داده هایی که به اشتباه کلاسترینگ شده اند را نیز مشخص میکنیم. تصویر زیر نمونه ای از نتیجه اجرای الگوریتم kmedoids را نمایش میدهد:
کد متلب الگوریتم خوشه بندی k-medoids
برای دریافت کد متلب الگوریتم خوشه بندی k-medoids از لینک زیر اقدام کرده و کد را بصورت آنلاین خریداری و دانلود نمایید
[parspalpaiddownloads id=”84″]
ایمیل: matlab24ir@gmail.com و یا info@matlab24.ir
