第30章基于PSO的聚类算法2016.pptVIP

第三十章 MATLAB优化算法案例分析与应用 第30章 基于PSO的聚类算法 第三十章 MATLAB优化算法案例分析与应用 30.1 聚类分析法 聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。 聚类分析作为数据挖掘中的一个很重要的研究领域，有着许多不同的聚类算法。传统的聚类算法一般分为五类：层次方法、划分方法、基于网格方法、基于密度方法和基于模型方法。 第三十章 MATLAB优化算法案例分析与应用 30.1 聚类分析法 传统的聚类算法已经足够成熟，能够解决低维数据的聚类问题。但因为实际应用中数据的复杂性，处理许多问题时，现有的算法容易失效，特别是对高维数据和大型数据等情况。因此传统聚类在高维数据集中进行聚类时，主要存在以下两个问题： （1）高维数据集中大量存在无关的属性使得在所有维中存在簇的可能度几乎为零； （2）高维空间中数据较低维空间中数据分布要稀疏，其中数据间距离几乎相等是普遍现象，而传统聚类方法是基于距离进行聚类的，因此传统聚类方法