首先計算整個數據集合的平均值點，作為第一個初始聚類中心C1；

       然后分別計算所有對象到C1的歐式距離d，并且計算每個對象在半徑R的范圍內包含的對象個數W。

       此時計算P=u*d+(1-u)*W，所得到的最大的P值所對應的的對象作為第二個初始聚類中心C2。

       同樣的方法，分別計算所有對象到C2的歐式距離d，并且計算每個對象在半徑R的范圍內包含的對象個數W，所得到的最大的P值所對應的的對象作為第二個初始聚類中心C3。

       從這三個初始聚類中心開始聚類劃分。對于一個待分類的對象，計算它到現有聚類中心的距離，若（這個距離）<（現有各個聚類中心距離的最小值），則將這個待分類對象分到與它相距最近的那一類；如果（這個距離）>（現有各個聚類中心距離的最小值），則這個待分類對象就自成一類，成為一個新的聚類中心，然后對所有對象重新歸類。

        如果找到新的聚類中心，在重新計算聚類的中心后。對目前形成的K+1 個聚類計算 DBInew 的值，和未重新分配對象到這 k+1 個類之前計算的 DBIold進行比較，如果 DBInew <DBIold，則這個新找到的聚類中心可以作為新的聚類中心，否則將終止本次查找 k 的工作，并恢復到 DBIold 的狀態。當所有這樣符合新類產生條件的數據對象的 DBI 值都大于 DBIold 時，則確定再沒有新的類產生，則確定了最終聚類個數為 k，可以進行最終的分配對象工作。

聯系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

郵箱：1224848052@qq.com

網站：http://www.mat7lab.com/

網站：http://www.hslogic.com/

微信掃一掃：