聚类算法研究.pdfVIP

聚类算法研究 聚类算法研究 摘要 摘要 本文首先了介绍聚类算法的分类，然后重点介绍了聚类算法下的 k-means 本文首先了介绍聚类算法的分类，然后重点介绍了聚类算法下的 k-means 算法的基本概念，处理流程。另外举出了一个源程序代码及对此代码的实现。 算法的基本概念，处理流程。另外举出了一个源程序代码及对此代码的实现。 关键词 聚类算法，k-means 算法，源程序，聚类算法分类 关键词 聚类算法，k-means 算法，源程序，聚类算法分类 ： ： 1.聚类算法概念 1.聚类算法概念 在自然科学和社会科学中，存在着大量的分类问题。所谓类，通俗地说，就 在自然科学和社会科学中，存在着大量的分类问题。所谓类，通俗地说，就 是指相似元素的集合。聚类分析又称群分析，它是研究 （样品或指标）分类问题 是指相似元素的集合。聚类分析又称群分析，它是研究 （样品或指标）分类问题 的一种统计分析方法。聚类分析起源于分类学，在古老的分类学中，人们主要依 的一种统计分析方法。聚类分析起源于分类学，在古老的分类学中，人们主要依 靠经验和专业知识来实现分类，很少利用数学工具进行定量的分类。随着人类科 靠经验和专业知识来实现分类，很少利用数学工具进行定量的分类。随着人类科 学技术的发展，对分类的要求越来越高，以致有时仅凭经验和专业知识难以确切 学技术的发展，对分类的要求越来越高，以致有时仅凭经验和专业知识难以确切 地进行分类，于是人们逐渐地把数学工具引用到了分类学中，形成了数值分类学， 地进行分类，于是人们逐渐地把数学工具引用到了分类学中，形成了数值分类学， 之后又将多元分析的技术引入到数值分类学形成了聚类分析。聚类分析内容非常 之后又将多元分析的技术引入到数值分类学形成了聚类分析。聚类分析内容非常 丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、 丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、 聚类预报法等。 聚类预报法等。 2.聚类算法的分类 2.聚类算法的分类 2.1K-MEANS 算法 2.1K-MEANS 算法 k-means 算法接受输入量 k ；然后将 n 个数据对象划分为 k 个聚类以便使 k-means 算法接受输入量 k ；然后将 n 个数据对象划分为 k 个聚类以便使 得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似 得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似 度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象” （引力 度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象” （引力 中心）来进行计算的。 中心）来进行计算的。 1  1  2.2 K-MEDO IDS 算法 2.2 K-MEDO IDS 算法 K-MEANS 有其缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改 K-MEANS 有其缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改 进的算法：k—medoids 方法。这儿选取一个对象叫做 mediod 来代替上面的中心 进的算法：k—medoids 方法。这儿选取一个对象叫做 mediod 来代替上面的中心 的作用，这样的一个 medoid 就标识了这个类 。这种算法对于脏数据和异常数据 的作用，这样的一个 medoid 就标识了这个类 。这种算法对于脏数据和异常数据 不敏感，但计算量显然要比 K 均值要大，一般只适合小数据量。 不敏感，但计算量显然要比 K 均值要大，一般只适合小数据量。 2.3 C lara 算法 2.3 C lara 算法 K-medoids 算法不适合于大数据量的