第七章_聚类简析.ppt

* * * * * * * * * * * * * * * * * * * * * * * * Data Mining: Concepts and Techniques * 自组织特征映射 (SOM) SOMs, 也称之为拓扑有序映射或Kohonen自组织特征映射(KSOMs) 目标是用低维（通常是2维到3维）目标空间的点来表示高维源空间中的所有点，尽可能的保持点见得距离和邻近关系 类似于k均值算法:簇的中心往往处于特征或属性空间的一个低维流形中 聚类通过若干单元竞争当前对象来进行 权重向量最接近当前对象的单元成为赢家或活跃点 调整获胜单元及其最近邻的权重 SOM被认为类似于大脑的处理过程 对用2维或3维的方式观察高维数据时很有效的 * Data Mining: Concepts and Techniques * 使用SOM聚类的web文档 用SOM算法对12088篇web、文章聚类的结果 右边的图片：对关键词“mining”进行下钻的结果 * Data Mining: Concepts and Techniques * 第七章 聚类分析 什么是聚类分析？ 聚类分析中的数据类型 聚类分析的主要方法分类 划分方法 层次方法 基于密度的方法 基于网格的方法 基于模型的方法 聚类高维数据 基于约束的聚类分析 离群点分析 小结 * Data Mining: Concepts and T