7.1聚类.ppt

聚类方法;温故，以知新;Logistic回归参数估计;对数似然函数;主轴的设置;副轴的设置;三维椭球和自动套合;本次目标;聚类的定义;向量间相似度计算的方法;聚类的基本思想;K-means算法;K-means算法过程;K-means是初值敏感的;二分k-均值聚类;K-means聚类方法总结;层次聚类方法;AGNES和DIANA算法;层次聚类;密度聚类方法;DBSCAN算法;DBSCAN算法的若干概念;DBSCAN算法的若干概念;DBSCAN算法;;密度最大值聚类;簇中心的识别;密度最大值聚类过程;可靠性;;不同数据下密度最大值聚类的效果;谱聚类的预备知识;谱的定义;谱聚类;谱分析的准备;若干概念;若干概念;相似度图G的建立方法;相似度图G的举例;拉普拉斯矩阵及其性质;拉普拉斯矩阵的性质;拉普拉斯矩阵的性质;若G是连通的，记f是0的特征向量;当有k个连通分量;正则拉普拉斯矩阵的定义;正则拉普拉斯矩阵的性质;证明;正则拉普拉斯矩阵的性质;;;;一个实例;切割图;修正目标函数;当k=2时的RatioCut;RatioCut与拉普拉斯矩阵的关系;f的约束条件;目标函数的转换;Rayleigh-Ritz理论;对特征向量聚类;谱聚类应用举例：图的像素分割;图的像素分割过程;像素分割的处理过程;参考文献; 感谢大家！ 恳请大家批评指正！