密度分布函数的聚类DENCLUE是对k-means聚类算法的一个推广.PPT

数据挖掘原理与SPSS Clementine应用宝典 元昌安 主编　 邓　松　李文敬　刘海涛　编著 电子工业出版社 主要内容 聚类分析原理 聚类分析常用算法分类 划分聚类方法 层次聚类方法 基于密度的聚类方法 基于网格的聚类方法 基于模型的聚类方法 高维数据的聚类方法 模糊聚类FCM 应用实例分析 8.1.1聚类分析介绍 聚类就是按照事物的某些属性，把事物聚集成类，使类间的相似性尽可能小，类内相似性尽可能大。 数据挖掘对聚类的典型要求如下： 可伸缩性 处理不同类型属性的能力 发现任意形状的聚类 用于决定输入参数的领域知识最小化 处理噪声数据的能力 8.1.2聚类分析中的数据类型 数据矩阵：用m个变量（也称为属性）来表现n个对象 相异度矩阵：存储n个对象两两之间的近似度，通常用一个维的矩阵表示 8.1.3 区间标度变量 计算均值绝对偏差 计算标准化的度量值 欧几里德距离 曼哈顿距离 明考斯基距离 8.1.4 二元变量 简单匹配系数 Jaccard系数 Rao系数 8.1.5 分类型、序数型变量 分类变量 序数型变量 8.1.6 向量对象 夹角余弦 相关系数