第5章 动态聚类法(三).ppt
《第5章 动态聚类法(三).ppt》由会员分享,可在线阅读,更多相关《第5章 动态聚类法(三).ppt(20页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
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n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nK-均值算法受以下几个因素的影响n(1)指定聚类中心的个数是否符合模式的实际分布;n(2)所选聚类中心的初始位置;n(3)样本分布的几何性质;n(4)样本的读入次序.试探聚类结果的评价n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,不同类样本相距较远.聚类中
2、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.n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n模式识别的基本概念n模式识别系统n最小错误率贝叶斯分类器n最小风险贝叶斯分类器n线性判别分类器的设计步骤n广义线性分类器(非线性线性)n感知器准则函数及迭代解n最小均方误差准则与伪拟解nFisher判别分类的思想、原则及准则函数n特征提取、特征选择的概念n欧氏距离、马氏距离n基于类内散布矩阵的单类模式特征提取n聚类的概念与理解n监督分类、无监督分类n聚类与分类n基于距离阈值、函数准则的聚类n近邻聚类法n最大最小距离算法n层次聚类法n动态聚类法:K-均值聚类算法考试题型n第一题 概念题(2个小题)10分n第二题 简答题(3个小题)30分n第三题 计算题(4个小题)50分n第四题 综合应用题 10分
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第5章 动态聚类法三 动态 聚类法
限制150内