動(dòng)態(tài)聚類法模式識(shí)別

動(dòng)態(tài)聚類法模式識(shí)別第1頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月K-均值聚類又稱為C-均值聚類,是根據(jù)函數(shù)準(zhǔn)則進(jìn)行分類的聚類算法,使聚類準(zhǔn)則函數(shù)最小化.第2頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月準(zhǔn)則函數(shù)第3頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月K-均值算法的聚類準(zhǔn)則第4頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月算法描述

設(shè)共有N個(gè)模式樣本,計(jì)算步驟如下:第5頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月第6頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月算法討論K-均值算法受以下幾個(gè)因素的影響(1)指定聚類中心的個(gè)數(shù)是否符合模式的實(shí)際分布;(2)所選聚類中心的初始位置;(3)樣本分布的幾何性質(zhì);(4)樣本的讀入次序.試探第7頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月聚類結(jié)果的評(píng)價(jià)常見的幾個(gè)評(píng)價(jià)指標(biāo)

(1)聚類中心之間的距離同一類樣本相聚比較密集,不同類樣本相距較遠(yuǎn).聚類中心之間的距離通?？偞笥诟黝悩颖镜念悆?nèi)平均距離.類間距離太小,說(shuō)明兩類靠得太緊,有可能合并.第8頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月(2)諸聚類域中的樣本數(shù)目如果樣本的抽取比較合理,通常各類的樣本數(shù)相差不大.因此聚類結(jié)果中,若某一類的樣本數(shù)較其它類的樣本數(shù)明顯多得多,該類有可能是幾類樣本的集合.

綜合考慮(1)、(2)第9頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月(3)諸聚類域內(nèi)樣本距離的標(biāo)準(zhǔn)差向量聚類域內(nèi)樣本與聚類中心對(duì)應(yīng)分量差的平方和的平均值叫方差.方差的算術(shù)平方根叫做標(biāo)準(zhǔn)差.

第10頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月此外還可以用其它距離度量之分析模式樣本的聚類性質(zhì).例如:在一個(gè)聚類域內(nèi),距離聚類中心最遠(yuǎn)與最近的樣本位置等.第11頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月第12頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月第13頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月第14頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月第15頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月第16頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月第17頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月考試重點(diǎn)模式識(shí)別的基本概念模式識(shí)別系統(tǒng)最小錯(cuò)誤率貝葉斯分類器最小風(fēng)險(xiǎn)貝葉斯分類器線性判別分類器的設(shè)計(jì)步驟廣義線性分類器(非線性→線性)感知器準(zhǔn)則函數(shù)及迭代解最小均方誤差準(zhǔn)則與偽擬解Fisher判別分類的思想、原則及準(zhǔn)則函數(shù)特征提取、特征選擇的概念歐氏距離、馬氏距離第18頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月基于類內(nèi)散布矩陣的單類模式特征提取聚類的概念與理解監(jiān)督分類、無(wú)監(jiān)督分類聚類與分類基于距離閾值、函數(shù)準(zhǔn)則的聚類近鄰聚類法最大最小距離算法層次聚類法動(dòng)態(tài)聚類法：K-均值聚類算法第19頁(yè)，課件共20頁(yè)，創(chuàng)作于2023年2月考試題型第一題概念題（2個(gè)小題）10分第二題簡(jiǎn)答題（3個(gè)小題