基于划分的聚类算法.pptVIP

基于划分的聚类算法 黄宗文聚类分析 簇（Cluster）:一个数据对象的集合 聚类分析（定义） 把一个给定的数据对象集合分成不同的簇； 在同一个簇（或类）中，对象之间具有相似性； 不同簇（或类）的对象之间是相异的。 聚类是一种无监督分类法: 没有预先指定的类别 聚类方法 划分方法：给定一个n个对象的集合，划分方法构建数据的k个分区，其中每个分区表示一个簇，并且k=n。基于划分方法采取互斥的簇划分，即每个对象必须恰好属于一个组。大部分划分方法是基于距离的。它采用一种迭代的重定位技术，通过把对象从一个组移动到另一个组来改变划分。常用的划分聚类方法有k-means、k-medoids、k-modes和k-prototypes算法。 层次方法、基于密度的方法、基于网格的方法 K-means:K-均值算法 K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。 该算法认为类是由距离靠近的对象组成的，因此把得到紧凑且独立的类作为最终目标。 各个簇中误差平方和 n：样本数。 k：样本分为k类。 rnk：第n个样本点是