clustering c 数据仓储与数据挖掘 知识介绍.pptVIP

主要思想: 把数据对象排列成一个聚类树，在需要的层次上对其进行切割，相关联 的部分构成一个cluster。基于层次的聚类方法有两种类型： （1）聚合层次聚类。最初每个对象是一个cluster，然后根据它们之间的相似性，对这些原子的cluster进行合并。大多数层次方法属于这一类，它们的主要区别是cluster之间的相似性的定义不同。 （2）划分层次聚类，它与上面的过程正好相反。 ;Step 0;用户可以指定算法终止的条件，例如，聚类的个数或每个cluster的半径低于某个阀值。 弱点在于合并或分裂点的选取问题，因为一组对象一旦合并或分裂，就不能有undo的操作 时间复杂度为O（N2），对于处理大数据量有性能问题。;AGNES (Agglomerative Nesting);DIANA (Divisive Analysis);基于层次的聚类-步骤 ;基于层次的聚类-步骤;基于层次的聚类;基于层次的聚类;基于层次的聚类;基于层次的聚类;Recent Hierarchical Clustering Methods;BIRCH (1996);BIRCH (1996);*;Similarity Metric(2);*;Clustering Feature Vector in BIRCH;CF-Tree in BIRCH;*;*;*;*;Example of BIRCH;Insertion Operation in BIRCH;*;*;LinkClus: Efficient Clustering via Heterogeneous Semantic Links;A Motivating Example;Link-based Similarities;Observation 1: Hierarchical Structures;Observation 2: Distribution of Similarity;Our Data Structure: SimTree;Similarity Defined by A SimTree;Overview of LinkClus;Initialization of SimTrees;(continued);(continued)