聚类〔无监督学习〕综述.pptVIP

聚类（无监督学习）综述 聚类问题的描述（1） 聚类问题的描述（2） 聚类问题：根据给定的数据集， 要求寻找 T上的一个“好”的划分 (划分成m个类； m可以是已知的，也可以是未知的），满足约束条件： 聚类问题的描述（3） 模糊聚类问题：根据给定的数据集， 要求寻找 T上的一个“好”的模糊划分 (划分成m个模糊集），满足约束条件 ： 聚类问题的要点 样本间的接近度（Proximity Measures） 聚类评价准则：“好”的聚类指什么？ 聚类算法 聚类有效性检验（统计假设检验） 聚类结果解释（结合专家知识） 聚类的泛化能力或一致性或抗扰动能力 样本间的接近度度量 差异性度量（Dissimilarity Measure,DM） 对称性 自己与自己的相异性最小 例子：距离差异性度量 相似性度量（Similarity Measure，SM） 对称性 自己与自己的相似性最大 例子：高斯径向基函数 常用的接近度度量 点与点之间 点与集合之间 集合与集合之间 点与点之间——DM 点与点之间——SM 点与集合之间 集合与集合之间 聚类评价准则 类内样本间的接近度大，类间样本间的接近度小 ………… 主要聚类算法(1) N个样本聚为m类的可能聚类数S(N,m): 主要聚类算法(2) 顺序聚类（Seque