BIRCH算法精选.pptVIP

BIRCHAn Efficient Data Clustering Method for Very Large Databases一种对大型数据库有效的聚类方法 主讲人:常贺 * 基本概念 聚类分析 是一个把数据对象（或观测)划分成子集的过程 簇 每个子集就是一个簇 聚类 由聚类分析产生的簇的集合称作一个聚类 层次聚类方法 将数据对象组成层次结构或簇的“树” 聚类特征 CF-树 * 聚类特征 聚类特征（Clusting Feature）是一个3维向量。对一个聚类中的所有d维数据对象 聚类的聚类特征的向量值定义为一个三元组的形式： CF=(n，LS,SS) 其中n为聚类中数据对象的数目。 LS为n个数据对象的线性和。 SS为n个数据对象的平方和。 * CF树 * * CF累加性定理 假设 和 为个不相交的聚类的CF向量。 合并这两个聚类为一个聚类是，那么新聚类的CF向量值为： * CF-树的创建过程 CF树的构造过程实际是一个数据对象的插入过程， 步骤： （1）找到恰当的叶子节点：从根结点开始递归往下，计算当前节点实体与要插入的数据对象之间的距离 ，寻找距离最小的那个路径，