数据挖掘概念和技术应用原书第聚类分析析.pptVIP

把对象空间量化为有限数目的单元，形成一个网格结构。所有的聚类都在这个网格结构上进行。 优点：处理数度快（因为处理时间独立于数据对象数目，只与量化空间中每一维的单元数目有关） 为每个簇假定一个模型，寻找数据对给定模型的最佳拟合。 一个基于模型的算法可能通过构建反映数据点空间分布的密度函数来定位聚类 这种方法同时也用于自动的决定数据集中聚类的数目 通过统计学的方法，考虑噪声和离群点，从而产生健壮的聚类方法 给定n个对象的数据集，以及要生成的簇的数目k，划分算法将对象组织为k个划分（k n）每个划分代表一个簇 通常通过计算对象间距离进行划分 典型的划分方法 k均值 k中心点 以上两种方法的变种 簇的相似度是关于簇中对象的均值度量，可以看作簇的质心（centroid） k均值算法流程 随机选择k个对象，每个对象代表一个簇的初始均值或中心 对剩余的每个对象，根据它与簇均值的距离，将他指派到最相似的簇 计算每个簇的新均值 回到步骤2，循环，直到准则函数收敛 常用准则函数：平方误差准则 (p是空间中的点，mi是簇Ci的均值) 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 K=2 随机选择2个对象，作为簇的中心 将每个对象指派到最相似的簇 更新每个簇的均值 更新