第5章-動態(tài)聚類法(三).ppt_第1頁
第5章-動態(tài)聚類法(三).ppt_第2頁
第5章-動態(tài)聚類法(三).ppt_第3頁
第5章-動態(tài)聚類法(三).ppt_第4頁
第5章-動態(tài)聚類法(三).ppt_第5頁
已閱讀5頁，還剩15頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、動態(tài)聚類法,思想:首先選擇若干個樣本作為聚類中心,再按照事先確定的聚類準(zhǔn)則進(jìn)行聚類.在聚類過程中,根據(jù)聚類準(zhǔn)則對聚類中心反復(fù)修改,直到分類合理為止.,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.,準(zhǔn)則函數(shù),K-均值算法的聚類準(zhǔn)則,算法描述設(shè)共有N個模式樣本,計(jì)算步驟如下:,算法討論,K-均值算法受以下幾個因素的影響 (1)指定聚類中心的個數(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,聚類結(jié)果的評價,常見的幾個評價指標(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

2、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,說明兩類靠得太緊,有可能合并.,(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),(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.,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: 在一個聚類域內(nèi),距離聚類中心最遠(yuǎn)與最近的樣本位置等.,考試重點(diǎn),模式識別的基本概念 模式識別系統(tǒng) 最小錯誤率貝葉斯分類器 最小風(fēng)險貝葉斯分類器 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,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 動態(tài)聚類法：K-均值聚類算法,考試題型,第一題 概念題 （2個小題）10分 第二題 簡答

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論