数据挖掘 第10章--聚类分析：基本概念和方法.pptVIP

数据挖掘与商务智能 范勤勤 物流研究中心 第十章 聚类分析 聚类分析 聚类分析：基本概念 4 聚类分析：应用示例 5 数据挖掘对聚类的典型要求 6 可以用于比较聚类方法的诸方面 7 基本聚类方法概述 8 9 基本聚类方法概述 方法 一般特点 划分方法 发现球形互斥的簇 基于距离 可以用均值或中心点等代表簇中心 对中小规模数据集有效 层次方法 聚类是一个层次分解（即多层） 不能纠正错误的合并或划分 可以集成其他技术，如微聚类或考虑对象“连接” 基于密度 的方法 可以发现任意形状的簇 簇是对象空间中被低密度区域分隔的稠密区域 簇密度：每个点的“邻域”内必须具有最少个数的点 可能过滤离群点 划分方法 划分方法 11 K-均值：一种基于形心的技术 12 K-均值：一种基于形心的技术 13 K-均值：例子-步骤1 14 随机选择3个簇中心 K-均值：例子-步骤2 15 分配每个点到最近的簇中心 K-均值：例子-步骤3 16 移动每个簇中心到每个簇的平均位置 K-均值：例子-步骤4 17 把对象重新分布到离簇中心最近的簇中 K-均值：例子-步骤4… 18 A: three points with animation K-均值：例子-步骤4b 19 重新计算簇的均值 K-均值：例子-步骤5 20 把簇的中心移到簇的均值 K-均值：缺点 21 是局部最优，不是全局最优 要求用户必须事先给出要生成的簇的数目，选择初始划分的最佳方向、更新分区和停止准则 不适合发现大小很不相同的簇或具有凹状的簇 算法只有在簇的平均值被定义的情况下才能使用，这不适合涉及有类属性的数据 对噪音和异常点非常敏感 孤立点（极大值）的存在，会大幅度扭曲数据的分布 K-中心点：一种基于代表对象的技术 22 K-中心点：一种基于代表对象的技术 23 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 K=2 任意选取 k 个对象作为初始 medoids 将其余对象分配到最近的medoids所代表的类 随机选取一非中心对象,Oramdom 计算交换代价 如果聚类质量被提高,则代替原medoid Do loop Until no change 层次方法 凝聚的与分裂的层次聚类 25 层次方法 26 算法方法距离度量 27 BIRCH:使用聚类特征树的多阶段聚类 28 29 CF树结构 Chameleon:使用动态建模的多阶段层次聚类 30 概率层次聚类 31 基于密度的方法 基于密度的方法 33 DBSCAN:一种基于高密度连通区域的基于密度的聚类 34 密度相连 DBSCAN:一种基于高密度连通区域的基于密度的聚类 35 OPTICS:通过点排序识别聚类结构 36 OPTICS:通过点排序识别聚类结构 37 例: 设=6(mm), MinPts=5. p的核心距离是p与第四个最近的数据对象之间的距离’。 q1关于p的可达距离是p的核心距离(即’=3mm), 因为它比从p到q1的欧几里得距离要大。 q2关于p的可达距离是从p到q2的欧几里得距离, 它大于p的核心距离 。 38 OPTICS中的簇次序 对象的簇排序 DENCLUE:基于密度分布函数的聚类 39 谢 谢 关 注 欢 迎 指 导