tecniche di classificazione e predizione delle ... - DSpace@Roma3
tecniche di classificazione e predizione delle ... - DSpace@Roma3
tecniche di classificazione e predizione delle ... - DSpace@Roma3
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Tecniche <strong>di</strong> <strong>classificazione</strong> e pre<strong>di</strong>zione <strong>delle</strong> attività motorie per telemonitoraggio e<br />
teleriabilitazione<br />
Al passaggio successivo associa ogni punto d'ingresso al cluster il cui centroide è più<br />
vicino ad esso ed identifica iterativamente i K cluster S1, S2, …, SK che<br />
minimizzano il funzionale sum-of-squared error (SSE):<br />
K<br />
∑∑<br />
SSE = || x − z ||<br />
i= 1 x∈S Quin<strong>di</strong> vengono ricalcolati i centroi<strong>di</strong> per i nuovi cluster e così via, finché l'algoritmo<br />
non converge.<br />
Si <strong>di</strong>mostra che l’algoritmo converge sempre in un numero finito <strong>di</strong> passi, ossia che,<br />
dopo un certo numero i <strong>di</strong> iterazioni, i centri-cluster non si spostano più (coincidono<br />
con quelli dell’iterazione precedente). Il numero i <strong>di</strong> iterazioni necessario a<br />
raggiungere la convergenza <strong>di</strong>pende dai dati e dalla scelta dei centri-cluster iniziali<br />
(schema dell’algoritmo in figura 8):<br />
Figura 8 – Proce<strong>di</strong>mento dell’algoritmo del “k-means”<br />
i<br />
i<br />
2<br />
32