数据仓库与数据挖掘技术第九章聚类分析_第1页
数据仓库与数据挖掘技术第九章聚类分析_第2页
数据仓库与数据挖掘技术第九章聚类分析_第3页
全文预览已结束

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、第 9 章 聚类分析9.1 聚类概述1. 可伸缩性2. 处理不同类型属性的能力3. 发现任意形状的聚类4. 使输入参数的领域知识最小化5. 处理噪声数据的能力6. 对于输入记录的顺序不敏感9.2 聚类分析中的相异度计算1. 数据矩阵 （或对象与变量结构 ）2. 相异度矩阵 （或对象 -对象结构 ）1. 区间标度变量2. 相异度计算1. 二元变量2. 相异度计算1. 标称型变量2. 相异度计算1. 序数型变量2. 相异度计算1. 比例标度型变量2. 相异度计算9.3 基于划分的聚类方法9.4 基于层次的聚类方法1. 凝聚的方法2. 分裂的方法9.5 谱聚类方法9.6 利用 SQL Server

2、2005 进行聚类分析图 9-2 选择数据挖掘技术图 9-3 选择数据源视图图 9-4 指定表类型图 9-5 指定定型数据图 9-6 指定列的内容和数据类型图 9-7 完成数据挖掘结构的创建图 9-8 分类剖面图图 9-9 分类关系图图 9-10 分类特征图 9-11 分类对比图 9-12 提升图图 9-13 分类矩阵图习题 91. 简单地描述如何计算由如下类型的变量描述的对象间的相异度：(a) 数值 (区间标度 )变量(b) 非对称的二元变量(c) 分类变量(d) 比例标度变量(e) 非数值向量对象2. 假设数据挖掘的任务是将如下 8 个点聚类为 3 个簇 :A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C3(4,9), 距离函数是欧几里得距离。假设初始选择 A1,B1,C1分别为每个聚类的中心，用k-平均算法来给出：(1) 在第一次循环执行后的三个聚类中心。(2) 最后的三个簇。3. k 均值和 k 中心点算法都可以进行有效的聚类。 概述 k 均值和 k 中心点

人人文库> 全部分类> 行业资料 > 工业设计

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