聚类分析方法与应用.pptVIP

基于网格的聚类方法 STING（STatistical INformation Grid）算法是一种格的多分辨率聚类技术，它将空间区域划分为矩形单元。 针对不同级别的分辨率，通常存在多个级别的矩形单元，这些单元形成了一个层次结构，高层的每个单元被划分为多个低一层的单元。高层单元的统计参数可以很容易地从低层单元的计算得到。 这些参数包括：属性无关的参数count，属性相关的参数m（平均值），s（标准偏差），min（最小值），max（最大值），以及该单元中属性值遵循的分布（Distribution）类型。 第三十一页，共六十九页。 基于网格的聚类方法 STING算法效率高，是独立于查询的，且利于并行处理和增量更新。 但由于STING采用了一个多分辨率的方法来进行聚类分析，聚类的质量取决于网格结构的最低层粒度。如果数据粒度比较细，处理的代价会明显增加，而且该算法没有考虑子单元和其他相邻单元之间的关系。尽管该算法处理速度较快，但是可能会降低簇的质量和精确性。 第三十二页，共六十九页。 6.2.5 基于模型的聚类方法 基于模型的聚类方法试图优化给定的数据和某些数学模型之间的适应性。给每一个聚类假定一个模型，然后去寻找能够很好的满足这个模型的数据集。这样一个模型可能是数据点在空间中的密度分布函数或者其它。 它的一个潜在的假定就是：目标数据集是由一系列潜在的概率分布所决定的。 在这类算