K聚类如何应用在信号频谱处理?
对于图像而言聚类是将像素相近的点做近似估计分类,对于信号频谱K聚类方法是否同样适用?
K聚类的应用范围几何?
K聚类在数学建模中的应用较多,以前也用过这个做一些数据分析。(spss软件中有模块化的聚类功能,因此之前一直利用水spss软件聚类分析,但用MATLAB做聚类用的很少很少)
引用别人博客中的内容:(https://blog.csdn.net/huangfei711/article/details/78480078)
聚类算法有很多种,K-Means 是聚类算法中的最常用的一种,算法最大的特点是简单,好理解,运算速度快,但是只能应用于连续型的数据,并且一定要在聚类前需要手工指定要分成几类。
K-Means 聚类算法的大致意思就是“物以类聚,人以群分”:
- 首先输入 k 的值,即我们指定希望通过聚类得到 k 个分组;
- 从数据集中随机选取 k 个数据点作为初始大佬(质心);
- 对集合中每一个小弟,计算与每一个大佬的距离,离哪个大佬距离近,就跟定哪个大佬。
- 这时每一个大佬手下都聚集了一票小弟,这时候召开选举大会,每一群选出新的大佬(即通过算法选出新的质心)。
- 如果新大佬和老大佬之间的距离小于某一个设置的阈值(表示重新计算的质心的位置变化不大,趋于稳定,或者说收敛),可以认为我们进行的聚类已经达到期望的结果,算法终止。
- 如果新大佬和老大佬距离变化很大,需要迭代3~5步骤。
K聚类的缺点在于质心的选取决定了程序运行的时间,数据量小的时候尚可。数据增大的花又该如何呢?
K聚类的程序
X2 = zscore(X); % zscore方法标准化数据
Y2 = pdist(X2); % 计算距离(默认欧式距离)
Z2 = linkage(Y2); % 定义变量之间的连接,用指定的算法计算系统聚类树
T = cluster(Z2,6); % 创建聚类 H = dendrogram(Z2); %作出系谱图