Ví dụ minh hoạ thuật toán

Ví dụ minh hoạ thuật toán Ví dụ như chúng ta có một vài đối tượng (4 kiểu của thuốc) và mỗi đối tượng có hai thuộc tính hoặc đặc tính như biểu diễn theo bảng sau. Mục đích của chúng ta là nhóm các đối tượng đó lại vào trong K = 2 nhóm medicine cơ bản trên hai với hai đặc tính pH và weight index. Feature 1 (X): Object Medicine A Medicine B Medicine C Medicine D weight index 1 2 4 5 1 1 3 4 Feature 2 (Y): pH Mỗi loại Medicine diễn một điểm với...

™ Ví dụ minh hoạ thuật tốn Ví dụ có vài đối tượng (4 kiểu thuốc) đối tượng có hai thuộc tính đặc tính biểu diễn theo bảng sau Mục đích nhóm đối tượng lại vào K = nhóm medicine hai với hai đặc tính pH weight index Feature (X): Object Feature (Y): pH weight index Medicine A 1 Medicine B Medicine C Medicine D Mỗi loại Medicine diễn điểm với hai đặc trưng (X,Y) biểu diễn toạ độ sau: 1) Bước Giá trị ban đầu trọng tâm: Giả sử sử dụng medicine A medicine B trọng tâm ban đầu Đưa vào C1, C2 biểu diễn toạ độ trọng tâm là: C1= (1,1), C2= (2,1) 2) Bước Object-Centroid distance: Chúng ta tính tốn khoảng cách nhóm trọng tâm đến đối tượng Sử dụng cách tính khoảng cách Euclidean Sau ta đưa ma trận: D0 = 3,61 C1 = (1,1) group-1 C2 = (2,1) group -2 2.83 4.24 A B 1 C D X Y Mỗi cột ma trận khoảng cách tượng trưng cho đối tượng Dòng đầu ma trận khoảng cách tương ứng với khoảng cách đối tượng đến trọng tâm dòng thứ hai khoảng cách đối tượng đến trọng tâm thứ hai Ví dụ, khoảng cách từ Medicine C = (4, 3) đến trọng tâm C1 = (1,1) là: (4 − 1)2 + (3 − 1)2 = 3.61 khoảng cách đến trọng tâm thứ hai C2 = (2,1) (4 − 2)2 + (3 − 1)2 = 2.83 3) Bước Objects clustering: Chúng ta gán đối tượng sở với khoảng cách nhỏ Bởi vậy, machine A gán đến nhóm 1, machine B gán đến nhóm 2, machine C đến nhóm machine D đến nhóm Phần tử ma trận nhóm theo nếu đối tượng gán đến nhóm G0 = 0 1 Group -1 Group -1 A B C D 4) Bước Lặp lại 1, determine deteroids: tính tốn trọng tâm nhóm sở thành viên Nhóm có thành viên trọng tâm Nhóm có ba thành viên, trọng tâm trung bình toạ độ ba thành viên: C2 = ⎛ + + 1+ + ⎞ , ⎜ ⎟ 3 ⎝ ⎠ 5) Bước Lặp lại bước 1, Object-centroids distances: Bước tính tốn khoảng cách tất đối tượng đến trọng tâm Tương tự bước 2, có khoảng cách ma trận lặp lại là: 1 3,61 C1 = (1,1) group -1 D = 3.14 2.36 0.47 A 1 B C 1.89 D C2 = ( 11 , 3 ) group -2 X Y 6) Bước Lặp lại bước 1, Objects clustering: Tương tự bước 3, gán đối tượng sở khoảng cách nhỏ Cơ sở khoảng cách matrix mới, di chuyển machine B đến Group tất đối tượng khác cịn lại Nhóm ma trận biểu diễn theo: G1 = 1 0 1 A B C D group - group -2 7) Bước Lặp lại bước 2, determine centroids: Bây lặp lại bước để tính tốn trọng tâm sở phân nhóm bước trước Nhóm nhóm có hai thành viên trọng tâm C1 = ( 1+ 1+1 , 2 C2 = ( 4+5 3+ , 2 8) Bước ) = ⎛⎜1 ,1⎞⎟ ⎝ ⎠ ) = ⎛⎜ ,3 ⎞⎟ ⎝ 2⎠ Lặp lại bước 2, Object-centroids distrances: có khoảng cách ma trận bước như: D2 = 0.5 0.5 3,20 4.61 4.30 3.54 0.71 0.71 C1= (1 ,1) group -1 C1= (1 ,1) group -2 9) Bước Lặp lại bước 2, Objects clustering: Làm lại, gán đối tượng sở khoảng cách nhỏ A B C group - 1 D group -2 Chúng ta thu kết việc so sánh nhóm phép lặp cuối phép lặp biểu thị đối tượng không dời chuyển sang nhóm Bởi việc tính tốn k-Mean clustering nghiên cứu ổn định Kết cuối gom nhóm Feature (X): Feature Group weight index (Y): pH (result) Medicine A 1 Medicine B 1 Medicine C Medicine D Object ... với khoảng cách đối tượng đến trọng tâm dòng thứ hai khoảng cách đối tượng đến trọng tâm thứ hai Ví dụ, khoảng cách từ Medicine C = (4, 3) đến trọng tâm C1 = (1,1) là: (4 − 1)2 + (3 − 1)2 = 3.61... 2) Bước Object-Centroid distance: Chúng ta tính tốn khoảng cách nhóm trọng tâm đến đối tượng Sử dụng cách tính khoảng cách Euclidean Sau ta đưa ma trận: D0 = 3,61 C1 = (1,1) group-1 C2 = (2,1)...1) Bước Giá trị ban đầu trọng tâm: Giả sử sử dụng medicine A medicine B trọng tâm ban đầu Đưa vào C1, C2 biểu diễn toạ độ trọng tâm là: C1= (1,1),