聚类分析人工智能课件.ppt

聚类的定义 假设样本集合为X，可将X划分为m个子集 ，其中： 且同一类（或簇，cluster）中的样本较为相似， 不同类中的样本不相似。聚类属于无监督学习。 一个简单例子 k-means clustering K平均（K-means）聚类方法(见书本6.6.3节) initialize N,m,c1,c2,…,cm do classify N samples according to nearest ci recompute ci ，i=1,…,m until no change in ci Return c1,c2,…cm 注意（1）簇的数量m需要预先指定。 （2）c1,c2,…,cm为各个簇内样本的均值，其初始值通过随机抽取m个样本产生。 基于准则函数的聚类算法 1、准则函数 通过准则函数可以对聚类结果的质量进行评估。 c为预先指定的簇的数量。 2、准则函数取值的变化: 假设已给定一个划分， 考虑两个簇Di、Dj，假设 。当 由Di移入Dj 时，mj及Jj分别变为： mi及Ji分别变为： 因此，Je的变化量为： 3、聚类算法： Initialize N,c,m1,…,mc do randomly select a sample （ 获得 所属于的簇i） if then compute if for all j then transfer to Dk until no change in Je in N attempts return m1,m2,…,mc 聚类结果的分析与验证 （1）采用某一算法对样本集进行聚类分析。 （2）由专家对聚类结果进行分析与解释。 （3）采用不同算法或不同参数重复上述过程，直至得到一个满意的结果。 1、知识表示 2、经典逻辑推理 3、不确定性推理 4、搜索原理及应用 5、模式识别的基本理论方法（或应用）综述。 6、模式识别系统的设计方法。 7、神经网络分类器的应用或算法分析或综述。 8、支持向量机的应用或算法分析或综述。 9、决策树分类器的应用或算法分析或综述。 10、聚类分析的应用或算法分析或综述。 11、采用神经网络或决策树或支持向量机进行实 际分类器的设计，并采用实际样本进行测试。 12、其它。