模式识别课件聚类分析v1.0要点分析.pptVIP

第二章 聚类分析 分类与聚类的区别 分类：用已知类别的样本训练集来设计分类器（监督学习） 聚类（集群）：用事先不知类别的样本，而利用样本的先验知识来构造分类器（无监督学习） 2.1聚类分析的概念 基本思想： 对一批没有标明类别及类数的模式样本集，根据模式间的相似程度，按照物以类聚、人以群分的思想，将相似的模式分为一类，不相似的分为另一类。 特征的类型 1.低层特征： ①无序尺度：有明确的数量和数值。 ②有序尺度：有先后、好坏的次序关系，如酒 分为上，中，下三个等级。 ③名义尺度：无数量、无次序关系，如有红， 黄两种颜色 2. 中层特征：经过计算，变换得到的特征 3. 高层特征：在中层特征的基础上有目的的经过运 算形成 例如：椅子的重量 体积*比重 体积与长，宽，高有关；比重与材料，纹理，颜色有关。这里低、中、高三层特征都有了。 方法的有效性 特征选取不当 特征过少 特征过多 量纲问题 主要聚类分析技术 谱系法（系统聚类，层次聚类法） 基于目标函数的聚类法（动态聚类） 图论聚类法 模糊聚类分析法 2.2模式相似度度量 各种距离表示相似性： ① 绝对值距离 已知两个样本 xi xi1, xi2 , xi3,…,xin T xj xj1, xj2 , xj3,…,xjn T ② 欧几里德距离 ③明考夫斯基距离 其中当q 1时为绝对值距离，当q 2