模式識別課件之數據聚類(編輯修改稿)
2025-03-12 13:47 本頁面
【文章內容簡介】 例：34加權平均平方距離和準則 定義加權平均平方距離和準則：式中： Sj*是類內樣本間平均平方距離 Xj中的樣本個數 nj， Xj中的樣本兩兩組合共有 nj(nj1)/2種 表示所有樣本之間距離之和Pj為 ωj類的先驗概率，可以用樣本數目 nj和樣本總數目 n來估計， Pj=nj/n, j=1,2,…, c35加權平均平方距離和準則例：36 基于試探的兩種聚類算法u 采用最近鄰規(guī)則的聚類算法 u 最大最小距離聚類算法 37采用最近鄰規(guī)則的聚類算法① 選取距離閾值 T，并且任取一個樣本作為第一個聚合中心 Z1，如： Z1=x1② 計算樣本 x2到 Z1的距離 D21 若 D21≤T，則 x2∈ Z1，否則令 x2為第二個聚合中心，Z2=x2 設 Z2=x2，計算 x3到 Z1和 Z2的距離 D31和 D32，若 D31T和 D32T，則建立第三個聚合中心 Z3。否則把 x3歸于最近鄰的聚合中心。依此類推，直到把所有的 n個樣本都進行分類。③ 按照某種聚類準則考察聚類結果，若不滿意，則重新選取距離閾值 T、第一個聚合中心 Z1，返回 ② ，直到滿意，算法結束。 38采用最近鄰規(guī)則的聚類算法u 最近鄰規(guī)則的聚類算法：計算模式特征矢量到聚類中心的距離，和門限 T比較，決定歸屬哪類或作為新的聚類中心。u 該算法的優(yōu)點是簡單，如果有樣本分布的先驗知識用于指導閾值和起始點的選取，則可較快得到合理結果。u 算法的結果在很多程度上取決于第一個聚合中心的選取和距離閾值的大小。39閾值對聚類的影響40起始點對聚類的影響Z=x1Z=x5 Z=x741最大最小距離聚類算法若 Dk1=max{Di1}，則取 xk為第二個聚合中心 Z2，計算所有樣本到 Z1和 Z2的距離 Di1和 Di2。若 Dl=max{min(Di1, Di2)}， i=1,2,…, n，并且 DlθD12， D12為Z1和 Z2間距離，則取 xl為第三個聚合中心 Z3。 [注意：Di1=||xiZ1||， Di2 =||xiZ2||]。如果 Z3存在，則計算 Dj=max{min(Di1, Di2, Di3)}, i=1, 2, …, n，若 DjθD12，則建立第四個聚合中心。依此類推，直到最大最小距離不大于 θD12時，結束尋找聚合中心的計算。① 給定 θ， 0θ1，并且任取一個樣本作為第一個聚合中心，Z1=x1② 尋找新的聚合中心，計算其它所有樣本到 Z1的距離 Di142最大最小距離聚類算法③ 按最近鄰原則把所有樣本歸屬于距離最近的聚合中心④ 按照某聚類準則考查聚類結果，若不滿意，則重新選擇 θ，第一個聚合中心，返回到 ② ，直到滿 意，算法 結 束。u 最大最小距離聚類算法：在模式特征矢量集中以最大距離原則選取新的聚類中心，以最小距離準則進行模式歸類。u 獨立性能不好，依賴先驗知識。43最大最小距離聚類算法例：44最大最小距離聚類算法 45
教學教案相關推薦
鄂ICP備17016276號-1