数据仓库与数据挖掘原理及应用（第二版）教学课件 作者 王丽珍 周丽华 陈红梅 第7章.pptVIP

在线教务辅导网：;第七章 聚类分析;第七章 目录;7.1 概述;7.1.1聚类概念(1);1） 2）对于 ， 有 3） ;7.1.2 相似性测度;7.1.3 聚类过程;7.1.4 聚类方法分类(1);3）基于密度的聚类算法（density-based method）：通过数据密度来发现簇，将簇看作是数据空间中被低密度区域（代表噪声）分割开的稠密对象区域。 例：DBSCAN、OPTICS、DENCLUE。 4）基于网格的聚类算法（grid－based method）：使用一种多分辨率的网格数据结构，将对象空间量化为有限数目的单元，形成网格结构，所有的聚类操作都在网格上进行，从而获得较快的处理速度。 例：STING、WaveCluster。 ;5）基于模型的聚类算法（model-based method）：基于“数据根据潜在的混合概率分布生成”假设，为每个簇假定一个模型，并寻找数据对给定模型的最佳拟合。这类算法通过构建反映数据点空间分布的密度函数来定位簇，能考虑“噪声”数据和离群点的影响，鲁棒性较好。 例：EM 、COBWEB 、SOM。 ;7.2 K均值算法;7.2.1误差平方和准则;7.2.2 K均值算法(1);步骤： （1） 从D中随机选取k个不同的数据对象作为k个簇C1，C2，…，Ck的中心m1，m2，…，mk （2） repeat （2.1）for D中每个数据对象o （2.1.1） 寻找i， （2.1.2）将o分配给簇Ci （2.2）for 每个簇计算 计算 ;//计算新的聚类中心， 为当前簇 中的对象数目 3）计算平方误差 3. Until J 不再发生变化;7.3 BIRCH算法;7.3.1 聚类特征(Clustering Feature，CF) ; CF树是一棵高度平衡的树，它有两个参数：分支因子B和阈值T。每个非叶节点最多包含B个形如[CFi，childi]（i=1，2，?，B）的条目，childi是指向第i个孩子的指针，CFi是由这个孩子所代表的子簇的聚类特征。一个非叶节点代表了一个簇，这个簇由该节点的条目所代表的所有子簇构成。一个叶节点最多包含L个形如[CFi]（i=1，2，?，L）的条目。每个叶节点也代表了一个簇，这个簇也由该叶节点的条目所代表的所有子簇构成，这些子簇的直径必须小于阈值T。 ; CF树的构造过程就是对象不断插入的过程。 过程如下： 1）识别合适的叶节点：从根节点开始逐层下降，递归查找最近的孩子，直至叶节点。 2）修改叶节点：假设叶节点中与Ent最近的条目是Li，检测Li与Ent合并的簇直径是否小于阈值，若小于，则更新Li的CF；否则为Ent创建一个新条目。如果叶节点有空间存放这个新条目，则存储，否则分裂该叶节点。分裂时选择相距最远的条目作为种子，其余条目按最近距离分配到两个新的叶节点中。;3）修改到叶节点的路径：将Ent插入一个叶节点后，更新每一个非叶节点的CF信息。如果不存在分裂，只需要进行加法运算；如果发生分裂，则在其父节点上要插入一个非叶节点来描述新创造的叶节点。修改过程重复进行，直至根节点。 4）在每次分裂之后跟随一个合并步。如果一个叶节点发生分裂，并且分裂过程持续到非叶节点Nj，扫描Nj，找出两个最近的条目。如果不对应于刚分裂产生的条目，则试图合并这些条目及其对应的孩子节点。如果两个孩子节点中的条目多于一页所能容纳的条目，则将合并结果再次分裂。; BIRCH算法采用了一种多阶段聚类技术，初始的微聚类阶段采用层次聚类算法，后来的宏聚类阶段采用其他聚类算法，所以它是层次聚类和其他聚类算法的集成。 BIRCH聚类算法由4个阶段构成： 阶段一：扫描数据库，构造一棵能够存放于内存中的CF树。 阶段二（可选）：压缩CF树（T增值，然后重新插入叶节点项。 阶段三：选用一个聚类算法对CF树的叶节点聚类，把稀疏的簇当做离群点删除，把稠密的簇合并为更大的簇。 阶段四（可选）：精化聚类结果。;7.4 DBSCAN算法; 1. 数据对象p的ε-邻域N?(p) 以p为圆心，以ε为半径的圆形区域内的数据对象的集合，即： N?(p)={q|q?D ∧d(p，q)?ε} （7.13） 其中，D是数据对象集合，d(p，q)是对象p与对象q间的距离。 显然，如果q?N?(p)，则p? N?(q)。对象p的ε-邻域N?(p)如图7.4所示。 ; 2. 核心对象 如果对象p的ε-邻域至少包含最小数目MinPts个对象，