模式識別課件之數(shù)據(jù)聚類(參考版)
2025-02-24 13:47本頁面
【正文】 67 聚類評價u 聚類中心間的距離u距離值大，通常可考慮分為不同類u 每個聚類域中的樣本數(shù)目u樣本數(shù)目少且聚類中心距離遠，可考慮是否為噪聲u 每個聚類域內(nèi)樣本的距離方差u方差過大的樣本可考慮是否屬于這一類686970上機要求 k均值的聚類算法程序71演講完畢，謝謝觀看！。經(jīng)過多次迭代后，若結(jié)果收斂，則運算結(jié)束。(3)~(5)按給定的要求，將前一次獲得的聚類集進行分裂和合并處理 ((4)為分裂處理， (5)為合并處理 )，從而獲得新的聚類中心?？蛇x不同的指標，也可在迭代過程中人為修改，以將 N個模式樣本按指標分配到各個聚類中心中去。n k均值算法比較適合于分類數(shù)目已知的情況。試用 k均值算法進行聚類分析 61k均值聚類算法62改進 k均值算法 (c均值算法 )6364k均值聚類算法u k均值算法的結(jié)果受如下選擇的影響：n 所選聚類的數(shù)目n 聚類中心的初始分布n 模式樣本的幾何性質(zhì)n 讀入次序n 在實際應(yīng)用中，需要試探不同的 K值和選擇不同的聚類中心的起始值。② 初始聚合中心的選擇對聚類結(jié)果有較大影響。u代表點選擇好之后，如何把所有樣本區(qū)分到以代表點為初始聚合中心的范圍內(nèi)，形成初始劃分57動態(tài)聚類算法k均值聚類算法使用的聚類準則函數(shù)是誤差平方和準則： u k均值聚類算法u ISODATA算法58k均值聚類算法59k均值聚類算法算法特點：① 每次迭代中都要考查每個樣本的分類是否正確，若不正確，就要調(diào)整，在全部樣本調(diào)整完之后，再修改聚合中心，進入下一次迭代。u 算法要解決的關(guān)鍵問題：u首先選擇有代表性的點作為起始聚合中心。55層次化聚類聯(lián)接規(guī)則聯(lián)接規(guī)則：衡量聚類之間相異程度的方法。聚類 3={, Evora, Faro, Guarda, Leiria, Lisboa, Portalegre, }；財產(chǎn)和人身安全方面的平均水平的犯罪率。49融合算法例：給出 6個樣本待征矢量如下，按最小距離原則進行聚類。④ 跳到 ② ，重復(fù)計算合并，可一直將全部樣本聚集成一類。③ 計算合并后的新類別之間的距離，得 D(n+1)。如果它是 Gi(n), Gj(n)兩類之間的距離，則將 Gi(n), Gj(n)兩類合并為一類 Gij(n+1)。47融合算法① 設(shè)初始模式樣本共有 N個，每個樣本自成一類，即建立 N類： G1(0), G2(0), …, GN(0)。u 獨立性能不好，依賴先驗知識。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(jié)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(jié) 束。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
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1