PD病症的综述解析.pptVIP

2.3 基于试探的聚类搜索算法 2.3.1 按最近邻规则的简单试探法 算法: 给定N个分类的模式样本{x1,x2,…,xN},要求按距离阈值T，将它们分到聚类中心z1,z2,…。 第一步：任取一样本x1作为一个聚焦中心的初始值，令z1=x1,计算D21=||x2-z1||,若D21T,则确定一个新的聚类中心z2=x2;否则x2属于以z1为中心的聚类。 第二步：假设已有聚类中心z1,z2,计算D31=||x3-z1||,D32=||x3-z2||,若 D31T且D32T,则得一个新的聚类中心z3=x3,否则x3属于离z1和z2中的最近者。 …… 如此重复下去，直至将N个模式样本分类完毕。 2.3 基于试探的聚类搜索算法 2.3.1 按最近邻规则的简单试探法 讨论 在实际中，对于高维模式样本很难获得准确的先验知识，因此只能选用不同的阈值和起始点来试探，所以这种方法在很大程度上依赖于以下因素： 第一个聚类中心的位置 待分类模式样本的排列次序 距离阈值T的大小 样本分布的几何性质 2.3 基于试探的聚类搜索算法 2.3.1 按最近邻规则的简单试探法 讨论 距离阈值T对聚类结果的影响 2.3 基于试探的聚类搜索算法 2.3.2 最大最小距离算法 基本思想：以试探类间欧氏距离为最大作为预选出聚类中心的条件。 2.3 基于试探的聚类搜索算法 2.3.2 最大最小距离算法 算法（