7-第四章_2 相似性度量聚类准则.docVIP

第四章 用距离函数进行模式识别 §2 相似性度量和聚类准则 1] 相似性度量 距离（点点） 不相似性度量 当且仅当 x=z, 反身性 对称性 三角不等式 如只满足前两条，则为广义距离 欧式距离 P=2 minkowsky距离 P=1 绝对值距离 chebyshev距离 2. 相似系数 A两个矢量的相似系数为其夹角的余弦，当两个矢量越相似，则二者的夹角越小，夹角的余弦越大。 B 两个样本的相似系数 Xi Xj =1 , C 两个分量之间的相似系数 共N个样本 3．点与点集以及点集与点集间的距离 类平均距离：所有距离平方的平均值开根 重心距离：取集合的中心，中心与中心的距离 抗干扰性好 最短距离：所有距离之间最短的 对噪声比较敏感 2]聚类准则 集群（聚类）Clustering——无训练样本，有样本，意在寻找样本间的内在联系进行样本划分。 样本N,分成C个群 …… …… 1. 离差平方和准则（最小方差分割） Minimum Variance Partition 适用于团内紧密，团间稀疏的情况 2. 离散度准则 （Scatter Matrix） ⅰ