- 1、本文档共3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)。
查看更多
K-means聚类分析
K‐means 聚类分析
主要的聚类算法可以分为以下几种:划分聚类、层次聚类、密度型聚类、网
格型聚类和基于模型的聚类。
划分聚类算法把数据点集分为 k 个划分,每个划分作为一个聚类。它一般从
一个初始划分开始,然后通过重复的控制策略,使某个准则函数最优化,而每个
聚类由其质心来代表(k‐means 算法),或者由该聚类中最靠近中心的一个对象来
代
表(k‐medoids 算法)。划分聚类算法收敛速度快,缺点在于它倾向于识别凸形分布
大小相近、密度相近的聚类,不能发现分布形状比较复杂的聚类,它要求类别数
目k 可以合理地估计,并且初始中心的选择和噪声会对聚类结果产生很大影响。
主要的划分聚类算法有 k‐means,EM,k‐medoids,CLARA,CLARANS 等。
下面主要介绍 K‐means 聚类方法。
k‐means 算法首先随机选择 k 个对象,每个对象代表一个聚类的质心。对于其
余的每一个对象,根据该对象与各聚类质心之间的距离,把它分配到与之最相似
的聚类中。然后,计算每个聚类的新质心。重复上述过程,直到准则函数会聚。
通常采用的准则函数是平方误差准则函数(squared‐error criterion),即
k 2
E p m
i 1 p Ci
E 是一个数据集中所有对象的误差平方和,P 是一个对象,mi 是聚类 Ci 的质心,
即
q
qC i
m
i
C
i
k‐means 聚类算法的具体步骤如下:
①从数据集中选择 k 个质心 C1,C2,…,Ck 作为初始的聚类中心;
②把每个对象分配到与之最相似的聚合。每个聚合用其中所有对象的均值来
代表,“最相似”就是指距离最小。对于每个点Vi ,找出一个质心 Cj,使它与其
间
的距离 d(Vi,Cj)最小,并把 Vi 分配到第 j 组;
③把所有的点都分配到相应的组之后重新计算每个组的质心 Cj;
④循环执行第②步和第③步,直到数据的划分不再发生变化。
该算法具有很好的可伸缩性,其计算复杂度为 O(nkt),其中,t 是循环的次数。
K‐means 聚类算法的不足之处在于它要多次扫描数据库,此外,它只能找出球形
的
类,而不能发现任意形状的类。还有,初始质心的选择对聚类结果有较大的影响,
该算法对噪声很敏感。
问题探究
近年来,数据挖掘成为越来越热的一个研究方向,而聚类(clustering)作为数
据挖掘的主要方法之一,也越来越引起人们的关注。所谓聚类,就是把大量的 d
维数据对象(n 个)聚集成 k 个聚类(kn),使同一聚类内对象的相似性尽可能最大,
而不同聚类内对象的相似性尽量达到最小。也就是说,形成聚类之后,同一个聚
类内对象具有很高的相似性,而与不属于该聚类的对象有迥然的差异(即不相似)。
聚类与分类相比,分类算法分析的是类别已知的数据集,而聚类算法分析的是类
别未知的数据。
聚类的输入是一组未分类的记录,而且事先也不知道要分成几类,它通过分
析数据,根据一定的分类准则,合理划分记录集合,从而确定每个记录所属的类
别。不同的聚类算法中,用于描述相似性的函数也有所不同,有的采用欧氏距离
或马氏距离,有的采用向量夹角的余弦,也有的采用其他的度量方法。
当预先不知道类型数目,或者用参数估计和非参数估计难以分辨不同类型的
类概率密度函数时,就需要采用聚类分析。有些聚类分析算法可以自动地确定类
型的数目 k,而不必以预知 k 为前提条件,也可以给定 k 作为算法的终止条件若
没有给定 k,那么如何在聚类过程中自动地确定 k,这是聚类分析中的一个关键
问题。
确定 k 值的方法很多,具体哪种较好还有待探究。基于自组织特征神经网络
(SOM )的聚类分析是其中的一种解决方案。
自组织特征神经网络简介
在人类的神经系统及脑的研究中,人们发现:人脑的某些区域对某种信息或
感觉敏感,如人脑的某一部分进行机械记忆特别有效;而
文档评论(0)