模式识别作业__ISODATA聚类算法 报告AND源码

clear;
clc;

%读入数据
load data_iris.mat;
IRIS = IRIS‘; 
Patterns = IRIS（1:4:）;

%参数设置
c = 5;%预期的聚类中心数
Nc = 11;%初始聚类中心个数
Selta_n =5;%每一聚类域中最少的样本数目，若少于此数即不作为一个独立的聚类
Selta_s = 0.3;%一个聚类域中样本距离分布的标准差
Selta_D = 5;%两个聚类中心间的最小距离，若小于此数，两个聚类需进行合并
L = 1;%在一次迭代运算中可以合并的聚类中心的最多对数
I = 20;%迭代运算的次数

Classes=ISODATA（PatternsIRIS（5:）cNcSelta_nSelta_sSelta_DLI）;
ret = zeros（3length（Classes））;
for i=1:length（Classes）
    labs = getLabels（Classes（i））;%test
    for j=1:length（labs）
        if labs（j） ~=0
            ret（labs（j）i） = 1+ret（labs（j）i）;
        end
    end
end
ret

Classes=ISODATA（Patterns1:150cNcSelta_nSelta_sSelta_DLI）;
ret_index=zeros（1150）;
for i=1:length（Classes）
    labs = getLabels（Classes（i））;%test
    for j=1:length（labs）
        if labs（j） ~=0
            ret_index（labs（j））=i;
        end
    end    
end
ret_index=[IRIS;ret_index]‘