Report.md

一、 实验内容

1、 实现K-均值聚类算法：要求独立完成算法编程，禁止调用已有函数库或工具箱中的函数；

2、 使用仿真数据测试算法的正确性：将下列19个样本聚成2个聚类：

3、 MNIST数据集测试：ClusterSamples中的10000个784维特征手写数字样本聚类为10个类别，根据SampleLabels中的标签统计每个聚类中不同样本的数量。测试不同初始值对聚类结果的影响。

二、 实验结果

1、 仿真数据实验结果：（可以列出每个聚类中包含的样本，也可以画图显示不同聚类）

• 簇1：

  • Center: [ 1.25 1.125]
  • Items: [[0, 0], [1, 0], [0, 1], [1, 1], [2, 1], [1, 2], [2, 2], [3, 2]]

• 簇2：

  • Center: [ 7.81818182 7.36363636]
  • Items: [[6, 6], [7, 6], [8, 6], [7, 7], [8, 7], [9, 7], [7, 8], [8, 8], [9, 8], [8, 9], [9, 9]]

2、 MNIST数据集实验结果：

每个聚类中包含不同类别样本数量统计表

	0	1	2	3	4	5	6	7	8	9
聚类0	23	3	44	643	0	301	6	1	188	13
聚类1	420	0	17	18	1	36	28	1	4	0
聚类2	26	0	33	11	33	17	798	3	15	1
聚类3	1	1	31	32	493	45	15	294	32	472
聚类4	2	3	3	8	321	44	0	631	28	443
聚类5	2	2	726	28	5	5	20	5	12	3
聚类6	6	419	54	18	70	183	50	67	101	28
聚类7	28	1	20	172	6	285	15	3	548	14
聚类8	0	697	65	57	28	14	33	52	46	33
聚类9	452	0	1	3	2	11	14	1	5	7