========================================== 资源中包含: 1.word文档全文-最优化方法求解-圆环内传感器节点最大最小距离分布 2.MATLAB代码-最优化方法求解-圆环内传感器节点最大最小距离分布 ========================================== 假设有个传感器节点随机分布在半径为公里的圆区域内(如图1所示)，现要求:通过调整各传感器的位置，使其稀疏分布于外环半径为，内环半径为的圆环区域内(即保证圆环内的邻近传感器节点之间的距离尽可能地远，以减轻电磁互扰)。请你运用所学知识完成以下工作: 1.根据题目背景建立传感器位置优化模型 2.提出相关优化算法并求解该数学模型 3.运用相关优化软件给出仿真结果

基于python聚类算法的实现--包含：最大最小距离算法、近邻聚类算法、层次聚类算法、K-均值聚类算法、ISODATA聚类算法

模式识别实验报告 1、最大最小距离聚类法 2、K-均值聚类法 3、感知器算法 4、最小均方误差算法

针对k-means算法的缺点提出的最大最小距离算法，是改进的聚类算法

最大最小距离算法 最大最小距离算法首先根据确定的距离阈值寻找聚类中心，然后根据 最近邻规则把样本划分到各类聚类中心对应的类别中。 具体的算法描述如下： ①首先任选一个模式样本作为第一个聚类中心 ②选择离 距离最远的样本作为第二个聚类中心 ，距离用欧式距离公式来计算： ③逐一计算各样本与 ， 间的距离，即 ， 选出其中最小距离，

介绍了在聚类算法中广泛使用的k均值算法。针对其受选择初始质心和聚类个数影响的缺点,给出了改进的k均值算法。使用最大最小距离法选择初始聚类中心,并确定聚类个数。进行了改进前后的对比实验。实验结果表明,改进后的算法比较稳定、准确。将改进后的算法应用到高校成绩分析中,达到较好的分类效果。

实验1 最大最小距离法.doc

用手肘法确定聚类数目，进行聚类，实现较好地聚类

模式识别中的经典算法最大最小距离算法，里面有详细的原理和计算过程及实例~

用最大最小距离实现聚类的matlab函数，只要有样本就能实现了!!