Cluster(聚类).pptVIP

基于密度的网格聚类（二） SOM分类（二） 1模拟数据分布 2投票形成类别分布 3分类训练 4分类训练 5分类训练 6分类训练 7 重新形成类别划分 8 分类 在分类训练时采用类似于聚类算法中调整办法，对获胜神经元临域范围内的多个神经元进行调整; 训练数据 获胜神经元 临近神经元 1分类训练 2分类训练 SOM分类决策平面 SOM类别划分结果中，以神经元作为类别中心，SOM的类别划分结果同样对应一个VORONOI图; SOM发展方向 初始结构选择，使神经元结构符合数据分布; 大规模文档聚类，缩短聚类时间; 引入语义相似; 不同特征赋予不同权重; 后两种改进方向对于任何聚类算法均通用！ 相关文章 Data collection Blake C, Keogh E, Merz C.J. UCI Repository of Machine Learning Databases. 1998, /~mlearn/MLRepository.html Criterion Ying Zhao, George Karypis. Criterion Functions for Document Clustering Experiments and Analysis . Technical Report TR #01--40,