各种聚类方法在规划分区中的应用.docxVIP

聚类方法在规划分区中的应用——以模糊聚类为例 摘要 关键词 引言 聚类分析 聚类分析可以看做是一种非监督的分类方法，在分类时只依赖对象自身所具有的属性来区分对象之间的相似程度。将总体中的个体分类以发现数据中的结构，希望一个类中的个体彼此接近或相似，而与其它类中的个体相异，这样就可以对划分出来的每一类进行深入的分析从而概括出每一类的特点。 ADDIN NE.Ref.{50D88065-996E-4FEA-B4E6-A617DA1C54B6}[1]利用聚类结果，我们能够提取数据集中隐藏的信息，对未来数据进行预测和分类。 目前聚类算法主要分为层次化聚类方法，划分式聚类方法，基于密度的聚类方法，基于网格的聚类方法，基于核的聚类算法，基于谱的聚类方法，基于模型的聚类方法，基于遗传算法的聚类方法，基于 SVM 的聚类方法，基于神经网络的聚类方法等等 ADDIN NE.Ref.{8C96E5B2-2B87-45D2-A33E-E657EA64D854}[2] 。 通常聚类分析算法一般包含四个部分：（1）特征获取与选择；（2）计算相似度；（3）分组；（4）聚类结果展示；（5）聚类结果评价。相似度一般用距离函数表示，包括形态、语义、状态、密度、时间等产生的差距，用来度量模式之间的相似程度。常见的距离函数有欧式距离，马氏距离，夹角余弦距离，Pearson 相关系数，Tanimoto 测度等。在进行聚类