八PR_讲_.pptVIP

C-均值算法举例 彩色图像分割： k-均值算法 1.准则函数—误差平方和准则 2.样本集初始划分 3.迭代计算 C-均值算法的其他考虑 按照与c个代表点的最小距离法对新样本y进行分类，即： 初始划分的方法 更新均值的时机：逐个样本修正法与成批样本修正法 聚类数目的动态决定 专题九 无监督学习和聚类 (Unsupervised learning, Clustering) 监督学习：给定已知类别的学习样本，设计分类器。 非监督学习：给定未知(未知类别及类别数)样本，设计分类器。 两大类非监督学习：基于概率密度函数估计的直接方法和基于样本间相似性(similarity)度量的间接聚类方法。 主要内容 掌握非监督学习方法的概念、用途。 了解非监督学习方法对数据划分有两种基本方法。 掌握以k-均值算法，ISODATA算法为代表的动态聚类方法。 了解层次(分级)聚类方法。 9.1 基本概念 以前讨论分类器设计方法都是在样本集中的类别已知的条件下进行的，这些样本称为训练样本。统计出各类训练样本不同的描述量，如其概率分布，或在特征空间分布的区域等，利用这些参数进行分类器设计，称为有监督的学习方法。 未知样本的类别，没有训练样本，因而只能从未知样本类别样本集进行分类器设计，这就是通常说的无监督学习方法。 非监督学习与有监督学习方法的区别： 有监督学习方法必须有训练集与测试样本。在训练集中