数据挖掘算法-Chameleon算法.pptVIP

2003.5.26 Chameleon: Hierarchical Clustering Using Dynamic Modeling ——变色龙：一个利用动态模型的层次聚类算法 梁敏 2003.5.26 内容简介 与以往算法的比较 变色龙算法 聚类步骤 稀疏图 相对互连性 相对近似性 聚类 对比试验 总结 与以往算法的比较 以往算法的不足 只处理符合某静态模型的簇 忽略了不同簇间的信息 忽略互连性 互连性：簇间距离 较近数据对的多少。 忽略近似性 近似性：簇间数据对 的相似度(最近距离)。 变色龙算法同时考虑了互连性和近似性 变色龙算法的聚类步骤 步骤 稀疏图 节点表示数据项 边表示数据项的相似度 图的表示基于k-最近邻居图的方法 节点表示数据项 边表示边的一个节点v在另一个节点u的k个最相似点中。 好处： 距离很远的数据项完全不相连 边的权重代表了潜在的空间密度信息 在密集和稀疏区域的数据项都同样能建模 表示的稀疏便于使用有效的算法 相对互连性(RI) 相对互连性函数： EC( Ci, Cj):连接簇Ci和Cj的所有边的权重和。 EC( Ci):把簇Ci划分为两个大致相等部分的最小等分线切断的所有边的权重和。 相对互连性能处理簇间形状不同和互连程度不同的问题。 相对近似性(RC) 相对近似性函数：