分层聚类算法.pptVIP

7.5层次聚类方法;层次聚类方法概述;层次聚类方法概述;簇间距离;簇间距离;簇间距离;簇间距离;AGNES算法;AGNES算法;AGNES算法例题;度寒探褂峪抒彪甜娱纳顷够选匈柬考妊坛骇历凌皿弱惰窗候火滥伏笺幂抚分层聚类算法分层聚类算法;颇秤残穷街钻幻锁姚茂判瓣戳凹毋码派级雄速鞘匿沿愁慌疑锭磨揪铃眉曹分层聚类算法分层聚类算法;;AGNES特点;DIANA算法;算法 DIANA（自顶向下分裂算法） 输入：n个对象，终止条件簇的数目k。 输出：k个簇，达到终止条件规定簇数目。 （1）将所有对象整个当成一个初始簇； （2） FOR （i=1; i≠k; i++) DO BEGIN （3） 在所有簇中挑出具有最大直径的簇C； （4） 找出C中与其它点平均相异度最大的一个点p并把p放入splinter group，剩余的放在old party中； （5） REPEAT （6） 在old party里找出到最近的splinter group中的点的距离不大于到old party中最近点的距离的点，???将该点加入splinter group。 （7） UNTIL 没有新的old party的点被分配给splinter group； （8） splinter group和old party为被选中的簇分裂成的两个簇，与其它簇一起组成新的簇集合。 （9） END.;序号 属性 1 属性 2 1 1 1 2 1 2 3 2 1 4 2 2 5 3 4 6 3 5 7 4 4 8 4 5 ;层次聚类方法的改进;BIRCH算法;聚类特征（CF）;聚类特征树; 阶段一：扫描数据库，建立一个初始的CF树，它可以被看作一个数据的多层压缩，试图保留数据内在的聚类结构。当一个对象被插入到最近的叶节点（子聚类）中时，随着对象的插入，CF树被动态地构造，因此，BIRTH方法对增量或动态聚类也非常有效。 阶段二：采用某个聚类算法对CF树的叶节点进行聚类。在这个阶段可以执行任何聚类算法。;ROCK;ROCK;ROCK;另一方面，如果考虑链接数，可以成功地把这些事务划分到恰当地簇中。 例如： 令θ=0.5，则C2中的事务 {a,b,f}与{a,b,g}的链接数是5 而C2中的事务 {a,b,f}与C1中的事 务{a,b,c}之间的链接数是3. 因此，ROCK能够正确地区分出两个不同 的事务簇。;Chameleon;变色龙算法的聚类步骤;K最近邻图;割边;相对互连度(RI);相对近似度(RC);小结;谢谢