[第九章聚类分析.pptVIP

* K-中心点聚类算法 每当重新分配发生时，替换的总代价是所有非中心对象产生的代价之和： 如果总代价是负的，则Oj可被Orandom代替； 否则，则认为当前的中心点Oj是可接受的，在本次迭代中没有变化。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * K-中心点聚类算法 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * 两种划分方法的关系 关系： k-中心点方法比k-均值方法更健壮，因为其不易受到极端数据的影响； 但k-中心点方法比k-均值方法的执行代价高； 两种方法都需要用户提前指定聚类结果的数目k。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 4. 符号、顺序和比例数值变量？ Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * （1）符号变量 符号变量（标称变量）： 符号变量是二元变量的推广，可具有多于两个的状态值，如颜色变量（红、橙、黄、绿、蓝等）。 设一个符号变量所取的状态个数为M，其中的状态可以用字母、符号，或一个整数集合来表示，如1,2,…M。此处的整数仅是为方便数据处理而采用的，并不代表任何的特定的顺序。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * （1）符号变量 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * （2）顺序变量 顺序变量（序数型变量）： 一个离散的顺序变量类似于符号变量，但不同的是顺序变量的M个状态是以有意义的顺序进行排列的。 如专业等级是一个顺序变量，是按照助教、讲师、副教授和教授的顺序排列的。 一个连续的顺序变量，值的相对位置要比它的实际数值有意义的多，如某个比赛的相对排名（金牌、银牌和铜牌）可能比实际得分更重要。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * 顺序变量的相异度 顺序变量的处理与区间标度变量非常类似，假设f是用于描述n个对象的一组顺序变量之一，关于f的相异度计算如下： 接下来就可以用区间标度变量中所描述的任意一组距离度量方法进行计算相异度。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * （3）比例数值变量 比例数值变量（比例标度型变量）： 一个比例数值变量指在非线性的标度上取正的度量值的变量，如指数比例： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. * （3）比例数值变量 在计算比例数值变量所描述对象间的距离时，有两种处理方法： 1）将比例数值变量看作区间标度变量，采用相同的方法处理，但不佳，因为比例尺度是非线性的； 2）采用对数变换 ，对比例数值变量进行处理，然后将yif当做区间标度变量来处理。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profi