模式识别 课件 第7章 无监督模式识别.pptxVIP

模式识别

第7章无监督模式识别

主要内容

无监督模式识别

7.1聚类的基本概念

7.2相似性测度

7.3动态聚类

7.4层次聚类

7.5高斯混合聚类

7.6其他聚类算法简介

7.8聚类性能度量

7.9聚类分析的实例

7.1聚类的基本概念

无监督模式识别

无监督模式识别

事先不知道要划分的是什么类别，没有类别已知的样

本用来训练，通过某种方法直接把数据划分成若干类

别，称为无监督模式识别、无监督学习、聚类分析等

聚类

一般指将缺少先验知识的样本集划分为若干个不相交

的子集，每个子集称为一个“簇”（cluster）。

7.1聚类的基本概念

无监督模式识别

聚类分析三要素

聚类依据

模式相似性测度，样本之间的相似性的衡量

聚类算法

对应聚类的思路、方法和过程

聚类性能度量

聚类准则函数，用于衡量聚类结果的有效性

7.2相似性测度

无监督模式识别

样本相似性测度

距离测度

原理

同类样本特征相似，不同类样本的特征显著不

同时；同类样本会聚集在一个区域，不同类样

本相对远离。

样本点在特征空间距离的远近直接反映了相应

样本所属类别，可作为样本相似性度量。

距离越近，相似性越大，属于同一类的可能性

就越大；距离越远，相似性越小，属于同一类

的可能性就越小。

7.2相似性测度

无监督模式识别

距离的定义

样本：、、，对任意两样本的距离定义为函数

d，应满足：

，当且仅当时，等号