模式识别第十一讲第八章无监督学习课件.ppt

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