《模式识别原理、应用及实现》 课件 5.2基于阈值的聚类算法_第1页
《模式识别原理、应用及实现》 课件 5.2基于阈值的聚类算法_第2页
《模式识别原理、应用及实现》 课件 5.2基于阈值的聚类算法_第3页
《模式识别原理、应用及实现》 课件 5.2基于阈值的聚类算法_第4页
《模式识别原理、应用及实现》 课件 5.2基于阈值的聚类算法_第5页
已阅读5页，还剩2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

5.2基于距离阈值的聚类算法武汉理工大学5.2.1近邻聚类法2.算法描述①任取样本Xi

作为第一个聚类中心的初始值，如令Z1=X1

。②计算样本X2

到Z1

的欧氏距离，

若，定义一新的聚类中心Z2=X2

；

否则X2∈以Z1为中心的聚类。(T_threshold)1.问题：有N个待分类的模式，要求按距离阈值T分类到以

为聚类中心的模式类中。5.2.1近邻聚类法3.算法特点2）优点：计算简单。（一种虽粗糙但快速的方法）1）局限性：很大程度上依赖于第一个聚类中心的位置选择、待分类模式样本的排列次序、距离阈值T的大小以及样本分布的几何性质等。……依此类推，直到将所有的

个样本都进行分类。③假设已有聚类中心、

，计算

和，若

且

，则建立第三个聚类中心；否则∈离和

中最近者（最近邻的聚类中心）。

用先验知识指导阈值T和起始点Z1的选择，可获得合理的聚类结果。否则只能选择不同的初值重复试探，并对聚类结果进行验算，根据一定的评价标准，得出合理的聚类结果。对结果验算，类内各样本点间距离方差之和太大减小T，修改中心Z。4．算法讨论5.2.1近邻聚类法5.2.2最大最小距离算法1.问题：已知

个待分类的模式

，分类到聚类中心

对应的类别中。2.算法描述①选任意一模式样本做为第一聚类中心

。②选择离

距离最远的样本作为第二聚类中心

。③逐个计算各模式样本与已确定的所有聚类中心之间的距离，并选出其中的最小距离。例当聚类中心数k=2时，计算min(Di1,Di2

)，i=1，…，N（

个最小距离）⑥将样本按最近距离划分到相应聚类中心对应的类别中。⑤重复步骤③④，直到没有新的聚类中心出现为止。④在所有最小距离中选出最大距离，如该最大值达到的一定分数比值(阈值T)以上，则相应的样本点取为新的聚类中心，返回③；否则，寻找聚类中心的工作结束。（θ：用试探法取为一固定分数，如1/2。）则

存在。为使聚类中心更有代表性，可取各类的样本均值作为聚类中心。例k=2时思路总结：先找中心后分类；关键：怎样开新类，聚类中心如何定。5.2.2最大最小距离算法5.2.2最大最小距离算法例2.1对图示模式样本用最大最小距离算法进行聚类分析。①选Z1=X1②距Z1最远，选为Z2。计算T。③对应最小距离中的最大值，且>T，选作Z3。结果：；；

人人文库> 全部分类> 教育资料 > 课件下载

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