基于MATLAB的ISODATA动态聚类算法源码

资 源 简 介

本项目利用MATLAB编程环境深度实现了迭代自组织数据分析算法（ISODATA），旨在解决二维数据的动态自动聚类问题。ISODATA算法作为K-Means算法的改进版，其核心优势在于能够根据数据的内在统计特性，在迭代过程中自动调整聚类中心的数量，克服了传统聚类算法需要预先固定类别数的局限性。本项目具体功能包括：1. 基础聚类功能，计算样本与各聚类中心的欧氏距离并进行归类；2. 智能分裂机制，当某类样本的标准差向量模或者最大分量超过设定的标准差阈值，并且该类样本数量满足分裂条件时，自动将该中心分裂为两个新的聚类中心，以适应数据的高离散度区域；3. 智能合并机制，当两个聚类中心之间的距离小于设定的最小距离阈值时，自动将这两个中心合并，以避免过度分割；4. 异常处理机制，自动检测并剔除样本数量少于设定阈值的聚类中心，有效过滤噪声或离群点；5. 全程可视化支持，利用MATLAB绘图工具展示原始数据分布、最终聚类效果图（用不同颜色和标记区分不同类别及中心点），以及迭代过程中的类别数量变化情况。

详 情 说 明

ISODATA 动态聚类算法实现 (MATLAB)

项目介绍

本项目基于 MATLAB 编程环境，深度实现了迭代自组织数据分析技术（Iterative Self-Organizing Data Analysis Technique, ISODATA）。该算法是 K-Means 算法的进阶版本，核心优势在于能够动态调整聚类中心的数量。传统的 K-Means 需要预先固定类别数 K，而 ISODATA 通过引入“分裂”和“合并”机制，能够根据数据的内在统计特性（如离散度和距离），在迭代过程中自动增加或减少聚类中心，特别适用于类别数未知或分布复杂的二维数据分析。

功能特性

本项目代码完整实现了 ISODATA 算法的核心流程，具备以下关键特性：

• 动态聚类中心调整：不局限于初始设定的类别数，算法在运行过程中会自动分裂离散度高的类，或合并距离过近的类。
• 模拟数据生成：内置数据生成逻辑，构建包含三个主要高斯分布簇及背景噪声的二维数据集，用于验证算法效果。
• 智能分裂机制：基于标准差阈值判断类别是否过于松散，若满足条件则将一个中心分裂为两个。
• 智能合并机制：基于最小距离阈值判断两个类别是否过于接近，若满足条件则合并为一类。
• 异常值/噪声剔除：每次迭代自动检测样本数量极少的类别（如离群点形成的伪类），并将其中心剔除。
• 全程可视化：利用 MATLAB 绘图功能，动态展示每一次迭代后的样本分布、归类情况及聚类中心位置，直观呈现算法收敛过程。

系统要求

• MATLAB (建议 R2016a 或更高版本，代码兼容性良好)
• Statistics and Machine Learning Toolbox (用于 pdist, pdist2, squareform 等距离计算函数)

使用方法

1. 确保 MATLAB 的当前工作目录包含项目脚本。
2. 在 MATLAB 命令行窗口输入主函数名称并回车运行。
3. 程序将自动生成模拟数据，并弹出一个图形窗口展示聚类动画。
4. 运行结束后，命令行窗口将输出最终的迭代次数、聚类中心数量及具体的中心坐标。

算法实现细节与逻辑分析

本项目代码 (main.m) 的实现逻辑严格遵循 ISODATA 算法的标准流程，具体步骤分析如下：

1. 数据准备与参数初始化

程序首先通过 rng(42) 固定随机种子，确保结果可复现。随后生成含有三个高斯分布中心的数据集（共300个样本）以及随即分布的噪声点（20个样本）。 初始化参数结构体 Params，设定预期聚类数 $K=4$、最少样本阈值 $theta_N=10$、分裂标准差阈值 $theta_S=1.0$、合并距离阈值 $theta_C=4.0$ 以及最大迭代次数 $I=20$。初始聚类中心从现有数据中随机选取。

2. 迭代核心逻辑

算法进入主循环，每次迭代执行以下步骤：

步骤 2.1：样本归类 使用欧氏距离计算所有样本点到当前各聚类中心的距离，并将样本分配给距离最近的中心。

步骤 2.2：剔除小类别 (异常处理) 统计每个类别的样本数量。若某类样本数少于设定阈值 theta_N，程序判定该类为无效类（或噪声），直接移除该聚类中心，并立即触发重新归类，确保后续计算基于有效的中心分布。

步骤 2.3：更新聚类中心 计算每个类别中所有样本的坐标均值，将其作为新的聚类中心位置。

步骤 2.4 & 2.5：计算类内统计量

• 计算每个类别的平均类内距离（样本到中心的平均距离）以及全局平均距离。
• 计算每个类别的标准差向量（表示数据的离散程度），找出每个类中标准差最大的维度及其最大值 $sigma_{max}$。

步骤 2.6：分裂操作 (Split) 分裂操作在以下情况尝试执行：当前类别数 $le K/2$，或者当前类别数 $< 2K$ 且当前为奇数次迭代。 代码遍历所有类别，若满足以下条件则执行分裂：

1. 该类的最大标准差 $sigma_{max} > theta_S$（数据太分散）。
2. 该类满足：(平均类内距离 > 全局平均距离 且 样本足够多) 或者 (当前总类别数太少)。

实现方式：在标准差最大的维度上，以原中心为基点，分别向正负方向偏移 $0.5 times sigma_{max}$，生成两个新中心并替代原中心。分裂发生后，置位标志 is_split_merged 为 true。

步骤 2.7：合并操作 (Merge) 合并操作仅在未发生分裂的情况下尝试执行，且需满足：当前类别数 $> 2K$ 或当前为偶数次迭代。 实现方式：

1. 计算所有聚类中心之间的两两距离。
2. 筛选出距离小于阈值 $theta_C$ 的中心对。
3. 按距离从小到大排序，优先合并距离最近的对。
4. 按照限制数量 L 进行合并，新中心坐标由原两个中心根据样本数量加权平均得出。

3. 动态可视化

在每次迭代末尾，通过 visualize_status 函数刷新绘图。

• 使用不同颜色的散点区分不同类别的样本。
• 使用 'X' 和 'O' 标记聚类中心。
• 标题实时显示当前迭代轮数、当前聚类中心数量及预期数量，配合 pause(0.2) 形成动画效果。

4. 结果输出

循环结束后，控制台打印算法运行摘要，包括最终实际的迭代次数、收敛后的聚类中心总数以及各中心的具体 (X, Y) 坐标。

关键参数说明

• Params.K (4): 预期的理想聚类中心数量，作为分裂和合并逻辑的参考基准。
• Params.theta_N (10): 类别最少样本数。若某类样本少于此值，视为噪声或离群点被剔除。
• Params.theta_S (1.0): 分裂阈值（标准差）。反映类别的离散程度，数值越小越容易发生分裂。
• Params.theta_C (4.0): 合并阈值（最小距离）。反映中心间的接近程度，数值越大越容易发生合并。
• Params.L (2): 每次迭代中允许合并的最大中心对数，防止一次性合并过多导致震荡。
• Params.split_factor (0.5): 分裂时的偏移系数，决定分裂出的新中心之间的初始距离。