5聚类分析.pptVIP

第五章 聚类分析 5.1 引言 5.2 相似性度量 (相异度) 5.3 聚类准则函数 5.4 聚类方法 5.5 典型的聚类算法 5.1 引言 5.2 相似性度量 (相异度) 5.3 聚类准则函数 误差平方和准则(1) 误差平方和准则(2) 误差平方和准则(3) 误差平方和准则(4) 误差平方和准则(5) 误差平方和准则(6) 加权平均平方距离和准则 (1) 加权平均平方距离和准则 (2) 5.4 聚类方法 5.5 典型的聚类算法 采用最近邻规则的聚类算法 最大最小距离聚类算法 C－均值聚类算法 ISODATA聚类算法 最大最小距离聚类算法 (1) 最大最小距离聚类算法 (2) C—均值聚类算法(1) ISODATA聚类算法 树聚类(层次聚类)(1) 合并相近的对象或组，直到所有的组合并为一个(层次的最上层)，或者达到一个终止条件。分裂即一开始将所有的对象置于一个类中。在迭代的每一步中，一个类被分为更小的类，直到最终每个对象在单独的一个类中，或者达到一个终止条件。 (3)基于密度的方法：绝大多数划分方法基于对象之间的距离进行聚类。这样的方法只能发现球状的类，而在发现任意形状的类上遇到困难。随之提出基于密度的聚类方法，其主要思想就是只要临近区域的密度超过某个阀值，就继续聚类。即对给定类中的每个数据点，在一个给定范围的区域中必须至少包含某个数目的点。这样的方法可