数据挖掘-p09-聚类.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 第9章 聚类分析 9.1 聚类概述 9.2 聚类分析中的相似度计算 9.3 基于划分的聚类方法 9.4 基于层次的聚类算法 9.5 谱聚类方法 9.6 利用SQL Server 2005进行聚类分析 * 聚类结果应满足条件 给定一个n 个对象或元组的数据源，划分方法将数据构建k 个划分，每个划分表示一个聚簇，并且 k≤n，同时满足如下要求： （1）每个组至少包含一个对象 （2）每个对象必须属于一个组 * 划分聚类方法聚类时的要点： 划分聚类方法聚类时的要点： 选定某种距离作为数据样本间的相似性度量 选择评价聚类性能的准则函数 选择某个初始分类，之后用迭代的方法得到聚类结果，使得评价聚类的准则函数取得最优值 * 9.3.1 k-平均聚类算法 基本思想： 将各个聚类子集内的所有数据样本的均值作为该聚类的代表点 通过迭代过程把数据集划分为不同的类别，使得评价聚类性能的准则函数达到最优，从而使生成的每个聚类类内紧凑，类间独立 * k-平均聚类算法描述 * 9.3.2 k-中心点算法 基本思想： 选择簇中最接近簇中心的对象作为簇的代表点 通过迭代过程把数据集划分为不同的类别，同时不断调整簇的代表点，以改进进行聚类的质量 * k-中心点算法描