数据挖掘8章聚类3演示教学.ppt

第八章 聚类分析;8.1什么是聚类分析?;聚类的常规应用 ;什么是一个好的聚类方法?;数据挖掘对聚类的典型要求：;8.2 聚类分析中的数据类型两种数据结构;评价聚类质量;聚类分析中的数据类型;区间标度变量;计算对象之间的相异度;当q=2时, d 就成为欧几里德距离: 距离函数有如下特性： d(i,j) ? 0 d(i,i) = 0 d(i,j) = d(j,i) d(i,j) ? d(i,k) + d(k,j) 可以根据每个变量的重要性赋予一个权重;二元变量;二元变量;二元变量;二元变量的相异度计算;标称变量（Nominal Variables）;序数型变量;序数型变量;比例标度型变量（Ratio-scaled variable）;混合类型的变量(230页);混合类型的变量;8.3主要聚类分析方法分类;8.4 划分方法（232页）;K-平均算法;K-平均算法;K-平均算法;K-平均算法的变种;K-中心点算法;PAM (Partitioning Around Medoids) (1987);PAM Clustering: Total swapping cost TCih=?jCjih;CLARA (Clustering Large Applications) (1990);CLARANS (“Randomized” CLARA) (1994);8.5 分层方法;AGNES (Agglomerative Nesting);A Dendrogram Shows How the Clusters are Merged Hierarchically;DIANA (Divisive Analysis);层次方法的主要缺点： 没有良好的伸缩性: 时间复杂度至少是 O(n2) 一旦一个合并或分裂被执行，就不能修复； 综合层次聚类和其它的聚类技术： BIRCH (1996): uses CF-tree and incrementally adjusts the quality of sub-clusters CURE (1998): selects well-scattered points from the cluster and then shrinks them towards the center of the cluster by a specified fraction CHAMELEON (1999): hierarchical clustering using dynamic modeling;BIRCH (1996);Clustering Feature Vector;CF Tree;CURE (Clustering Using REpresentatives );Drawbacks of Distance-Based Method;Cure: The Algorithm;Data Partitioning and Clustering;Cure: Shrinking Representative Points;K-modes(补充）;相异度度量;数据集的模（mode）;K模算法;8.6 基于密度的方法 将簇看作是数据空间中被低密度区域分割开的高密度区域。 优点：可发现任意形状的聚;DBSCAN(基于高密度连接区域的密度聚类方法）;定义;定义（续）;DBSCAN基本思想;DBSCAN算法;不足和改进;图示;OPTICS;引入两个新概念;图示;OPTICS算法;寻找簇;不同密度、形状、大小的簇;参数的影响;确定参数;DENCLUE;数学基础;影响函数;梯度和密度吸引点;爬山算法;对一个2维数据集的可能的密度函数;簇;Chapter 8. Cluster Analysis;8.7 基于网格的方法;STING;主要思想;统计信息（1）;统计信息（2）;统计信息（3）;自顶向下地回答查询;优缺点;Wavecluster(小波变换）;小波变换的原理;Wavecluster 分类算法;量化;图示;加类标签，查找表;特性;多分辨率;任意形状的簇的发现;小波变换的优点;CLIQUE;主要步骤;Salary (10,000);有效性和缺点;Chapter 8. Cluster Analysis;8.8基于模型的聚类方法;统计学方法;分类效用(Category Utility);COBWEB：分类树;分类树的节点插入;优缺点;神经网络方法;竞争学习;输入模式 ;自组织特征映射;神经元网络的结构;输入层： 接受多维输入模式，每个输入模式即一个向量 输入层的每个神经元代表输入模式的一个维 输入层的神经元把它得到的输入向量传给竞争层 竞争层： 竞争层的神经元接受来自输入层向量的加权和 每个神经元有它的邻域，包括一组其它的神经元 给定一