模式识别第十一讲-第八章-无监督学习-课件(1).pptVIP

下载本文档

1
0
约小于1千字
约 38页
2025-11-04 发布于山东
举报
版权申诉

模式识别第十一讲-第八章-无监督学习-课件(1).ppt

此“教育”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

以前讨论的分类方法都是在已知训练样本类别的基础上进行的。;;例如;生命科学

;聚类分析是人类的一种最基本的智能活动。是从个体到类别的一个概括，是进行抽象的基础。

单独处理各个模式（个体）有时是不可能的。人们倾向于将它们分类，每类有共同的属性。;2．聚类分析的应用;3.聚类的一般步骤;3）聚类的准则;5）聚类结果的验证;不同的特征，不同的相似性度量，不同的聚类准则，不同的算法，对同样的数据可能会得出完全不同的结果。;4.两种聚类问题及解决的方法：;各类样本混合起来，要把属于各类的样本分开。;第二种方法：（聚类，clustering）;θ2;迭代的动态聚类算法

;8.2动态聚类算法的一般步骤;一般步骤如下;8.3C－均值聚类（K－均值聚类）算法

; J度量了用C个聚类中心m1，m2，…，mc来代表C个样本子集时，所产生的总的误差平方和。;C均值算法：

1、选择任意一个初始划分（把N个样本分为C类），或任意选择C个初始聚类中心，然后把N个样本按照距离分到最近的聚类中心去。

;C-均值聚类算法的两种类型;C-均值聚类算法的收敛性分析;设某样本yi从聚类?j移至聚类?k中，?j移出yi后的集合记为，?k移入yi后的集合记为。;两个新聚类和的类内欧氏距离平方

和与原来的两个聚类?j和?k的类内欧氏距离平方Jj和Jk的关系是;;C-均值聚类算法的性能;上述的C均值算法是在假定类别数为C的情况下进行的。;C均值聚类算法对非团聚状分布的样本效果不好;8.4 分级聚类方法;在近邻法的快速算法中，我们曾用一棵树来组织样本集，这是一种自上而下（由顶向下）的样本划分法。我们也可以由底向上把N个样本顺序组织成一些聚类。;用K表示第K次划分，则聚类数C＝N－K+1，K称为划分或聚类的水平（级别、层次）。;y2;两个聚类Γi和Γj间的相似性度量△（Γi，Γj）是分级聚类的基础。;分级聚类算法：;8.6无监督学习中的一些问题:;动态聚类，计算的效率高，但不能反映数据的概率结构，不一定反映数据的真实结构。