监督学习与聚类.pptVIP

下载本文档

11
0
约 39页
2017-09-09 发布于湖北
举报
版权申诉

监督学习与聚类.ppt

1、本文档共39页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

无监督学习与聚类

SOFM和降维 10.6 谱聚类谱聚类是一种新的聚类分析方法谱聚类通过求取矩阵的特征值和特征矢量实现聚类。令：{x1, …, xn} 为样本集合，wij为样本之间的相似度：相似矩阵W，Laplacian矩阵L：谱聚类算法计算相似矩阵W；计算Laplacian矩阵L；计算L的前k个(最小)特征矢量u1,…,uk; 用u1,…,uk作为列矢量构造矩阵U； y1,…,yn为U的行矢量，用K均值算法将其聚成k个类别。例10.1 将19个样本分成2个聚类。 x1=(0,0)t, x2=(1,0)t, x3=(0,1)t, x4= (1,1)t, x5=(2,1)t, x6=(1,2)t, x7=(2,2)t, x8=(3,2)t, x9=(6,6)t, x10=(7,6)t, x11=(8,6)t, x12= (7,7)t, x13=(8,7)t, x14=(9,7)t, x15=(7,8)t, x16=(8,8)t, x17=(9,8)t, x18=(8,9)t, x19=(9,9)t 特征值特征值前2个特征值对应特征矢量 0.0000 0.0682 4.3510 5.1267 5.4904 5.9142 5.9461 6.3080 6.4175 6.4826 6.7696 6.9957 7.3704 7.6983 7.7789 7.9342 8.3716 8.6444 8.8704 -0.2294 +0.2740 -0.2294 +0.2728 -0.2294 +0.2731 -0.2294 +0.2715 -0.2294 +0.2694 -0.2294 +0.2699 -0.2294 +0.2655 -0.2294 +0.2553 -0.2294 -0.1838 -0.2294 -0.1920 -0.2294 -0.1954 -0.2294 -0.1953 -0.2294 -0.1968 -0.2294 -0.1978 -0.2294 -0.1969 -0.2294 -0.1977 -0.2294 -0.1984 -0.2294 -0.1985 -0.2294 -0.1991 聚类结果例10.2 多类别聚类 (0,0), (0,1), (1, 0), (1,1), (0,10), (0,11), (1, 10), (1,11), (10,0), (10,1), (11, 0), (11,1), (10,10), (10,11), (11, 10), (11,11) 特征值：最大4个特征值对应的特征矢量： 0.0000 0.0008 0.0008 0.0015 3.4477 3.4477 3.4477 3.4477 3.4481 3.4481 3.4481 3.4481 3.6201 3.6201 3.6201 3.6201 -0.2500 +0.0431 +0.3510 +0.2501 -0.2500 +0.0432 +0.3509 +0.2500 -0.2500 +0.0431 +0.3509 +0.2500 -0.2500 +0.0431 +0.3509 +0.2499 -0.2500 +0.3509 -0.0431 -0.2500 -0.2500 +0.3510 -0.0431 -0.2501 -0.2500 +0.3509 -0.0431 -0.2499 -0.2500 +0.3509 -0.0432 -0.2500 -0.2500 -0.3509 +0.0432 -0.2500 -0.2500 -0.3509 +0.0431 -0.2499 -0.2500 -0.3510 +0.0431 -0.2501 -0.2500 -0.3509 +0.0431 -0.2500 -0.2500 -0.0431 -0.3509 +0.2499 -0.2500 -0.0431 -0.3509 +0.2500 -0.2500 -0.0432 -0.3509 +0.2500 -0.2500 -0.0431 -0.3510 +0.2501 原样本分布 K均值聚类特征矢量矩阵的行矢量 * 3学时 * s1,t2可辨识 t1,s2不可辨识 * N=100, c=5, 组合数超过1067 * 可以引入一定的结束合并准则，实现不设定最终聚类数c的算法。 * 胜者全取 * 当类别数c未知时，可以采用自适应共振网络，ART * E102.m，Matlab演示的是在原空间中权值的修正过程。模式识别 – 无监督学习与