1.問題描述：
 
首先“K均值算法”和“基于局部和全局一致性算法”的整合，并不是兩個算法的簡單拼湊，這里，實際上結合了“K均值算法”和“基于局部和全局一致性算法”兩者算法的思想。根據你提供的算法思想，算法的基本步驟是：

-----------------------------------------------------------------------------------------------------

輸入：數據集（其中訓練樣本和測試樣本分別占一定的比例）和圖像其中有少量樣本已被標記類別，而且每一類至少標記一個訓練樣本。

-----------------------------------------------------------------------------------------------------

Step1：計算少量有標記樣本的均值，得到c（類別數目）個初始聚類中心點；

Step2：使用歐式距離計算未標記數據到c個初始中心點的距離，將未標記樣本分配到距離中心點最近的那類中，劃分出c個簇；

Step3：使用測地距離的相似性度量方法，選擇各個簇中相似度大于等于0.9的（）個（各個簇中的數目不一樣）樣本，求它們的均值，作為c個新中心點以及得到c個平均半徑；

Step4：循環（2）（3），直到c個中心點固定；

Step5：對（）個樣本以及距離各個中心點半徑內的樣本進行標記；

Step6：用基于局部和全局一致性算法對剩下的未標記的樣本進行標記，其中已標記數據只使用c個中心點；

Step7：在全部樣本標記完后，再計算出各個類的c個中心點。

Step8：對于新的測試數據，通過計算測試數據與各個中心點的相似度，選擇可信度最高的進行標記。

-----------------------------------------------------------------------------------------------------

輸出：分別將數據集分成已標記和未標記以及測試數據集三部分，其中測試數據集占30%的比例，已標記和未標記的共占70%。用10折交叉驗證法進行測試，輸出F1-measure各個指標的結果，輸出分類后的圖像及指標結果。以已標記數據作為訓練集，保證每個類別有一個已標記的訓練集，然后按照不同的比例擴展訓練集，一個數據集的precision和recall測試結果都是未標記數據和測試數據結果的均值。對數據集按已標記數據占得不同比例進行測試。
————————————————

聯系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

郵箱：1224848052@qq.com

網站：http://www.mat7lab.com/

網站：http://www.hslogic.com/

微信掃一掃：