层次聚类中类间距离新定义.pdfVIP

第1章前言 x妊刊扣…‘， ∽-， 该数据集中有押个样本点毛，x2，．．．，矗，每个样本点有P个指标变量PI，e2，…，P，． 0 a(2，1)0 (1．2) d(n，1)a(n，2)…0 这里，a(i,j)是对象i和对象／之间的相异性的量化表示．当它们越相似或越“接 近”，值越接近于0，两个对象越不同，值越大． 1．2．3文章导读 文章的其余部分，按照如下章节形式组织文章内容： 第二章对聚类分析的一系列问题进行了描述，主要包括聚类的定义，聚类 中常见的要求，聚类中一些常见聚类算法的介绍，其中以对各聚类算法的介绍 为重点． 第三章对文章中使用的相关方法进行了简要的介绍，主要包括主成分分析， 典型相关分析，偏最小二乘回归以及Gamma-test理论． 第四章先回顾了已有的类间距离定义，然后利用第三章中相关理论得出了 类间距离的几种新定义方式，并简要介绍了相应的算法． 第五章利用不同的数据集对第四章中所提出的算法进行了验证，通过比较 分析选取了有效的算法． 最后一章总结了本文所做的工作和有待解决的问题． 一3一 第2章聚类算法概述 第2章聚类算法概述 2．1聚类的定义 多年来，关于聚类提出了多种定义¨州．然而，大多数定义是不精确定义， 例如“相似，“相像”等，或者以几个特别的聚类为目标．在[7]中，向量被看 作是，维空间中的点，聚类被描述为空间中包含相对高密度点的连续区域，由 相对低密度点区域将其与其他相对高密度点区域分开．用这种方法描述的聚类 一般指自然聚类，这个定义接近于在二维或三维空间中聚类的视觉感觉． 在文献[2]中，给出了一个较为完整的定义： 设X=“，恐，…，h)是数据集．定义x的m聚类为将x分割成m类 G，C2，…，G，使其满足下面三个条件： 1．e≠a，扛1，2，…，舰 2．U三e=X． 3．CnC，=a，i≠／，，，_，=l，2，…，m． 在每个类中包含的向量依据某个准则更为相似． 在模糊集理论被引入到聚类中来之后，以上硬聚类的定义也有所扩展，x 的模糊聚类的定义为：将石分成m个类，由m个隶属函数”，表示，其中 甜，．X一【0，1】，，=l，2，…，m， 肘 N i=l，2，…，N， 且满足条件∑吩(薯)=l， o∑材，(‘)Ⅳ’j=X，2，…，现 j=l t=l 2．2聚类的要求 聚类是一个富有挑战性的研究领域，它的潜在应用提出了各自特殊的要 求．在文献[8]中总结了聚类算法的典型要求： 可伸缩性．许多聚类算法在小于200个数据对象的小数据集上工作得很好； 但是，一个大规模数据库可能包含几百万个对象，在这样的大数据集合样本上 进行聚类可能会导致有偏差的结果． -一4·一 第2章聚类算法概述 处理不同类型属性的能力．许多聚类算法利用Euclidean距离或 Mahalanobis距离来决定聚类．基于这样的距离度量的算法趋向于发现具有相 近尺度和密度的球状类．但是，一个类可能是任意的．提出能发现任意形状类 的算法是很重要的． 用于决定输入参数的领域知识最小化．许多聚类算法在聚类分析中要求用 户输入一定的参数，比如希望产生的类的数目．聚类结果对于输入参数十分敏 感．参数通常很难确定，特别是对于包含高维对象的数据集来说，更是如此．要 求用户输