第5章-动态聚类法(三).ppt_第1页
第5章-动态聚类法(三).ppt_第2页
第5章-动态聚类法(三).ppt_第3页
第5章-动态聚类法(三).ppt_第4页
第5章-动态聚类法(三).ppt_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、动态聚类法,思想:首先选择若干个样本作为聚类中心,再按照事先确定的聚类准则进行聚类.在聚类过程中,根据聚类准则对聚类中心反复修改,直到分类合理为止.,K-均值聚类,又称为C-均值聚类,是根据函数准则进行分类的聚类算法, 使聚类准则函数最小化.,准则函数,K-均值算法的聚类准则,算法描述设共有N个模式样本,计算步骤如下:,算法讨论,K-均值算法受以下几个因素的影响 (1)指定聚类中心的个数是否符合模式的实际分布; (2)所选聚类中心的初始位置; (3)样本分布的几何性质; (4)样本的读入次序.,试探,聚类结果的评价,常见的几个评价指标 (1)聚类中心之间的距离 同一类样本相聚比较密集,不同类样

2、本相距较远.聚类中心之间的距离通常总大于各类样本的类内平均距离.类间距离太小,说明两类靠得太紧,有可能合并.,(2)诸聚类域中的样本数目 如果样本的抽取比较合理,通常各类的样本数相差不大.因此聚类结果中,若某一类的样本数较其它类的样本数明显多得多,该类有可能是几类样本的集合. 综合考虑(1)、(2),(3) 诸聚类域内样本距离的标准差向量 聚类域内样本与聚类中心对应分量差的平方和的平均值叫方差.方差的算术平方根叫做标准差.,此外还可以用其它距离度量之分析模式样本的聚类性质.例如: 在一个聚类域内,距离聚类中心最远与最近的样本位置等.,考试重点,模式识别的基本概念 模式识别系统 最小错误率贝叶斯分类器 最小风险贝叶斯分类器 线性判别分类器的设计步骤 广义线性分类器(非线性线性) 感知器准则函数及迭代解 最小均方误差准则与伪拟解 Fisher判别分类的思想、原则及准则函数 特征提取、特征选择的概念 欧氏距离、马氏距离,基于类内散布矩阵的单类模式特征提取 聚类的概念与理解 监督分类、无监督分类 聚类与分类 基于距离阈值、函数准则的聚类 近邻聚类法 最大最小距离算法 层次聚类法 动态聚类法：K-均值聚类算法,考试题型,第一题 概念题 （2个小题）10分 第二题 简答

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论