• <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>

            聚類分析方法概述

            聚類分析是數據挖掘中的一個很活躍的研究領域,并提出了許多聚類算法。
            這些算法可以被分為劃分方法、層次方法、基于密度方法、基于網格方法和
            基于模型方法。
            1 劃分方法(PAM:PArtitioning method)  首先創建k個劃分,k為要創建的劃分個數;然后利用一個循環
            定位技術通過將對象從一個劃分移到另一個劃分來幫助改善劃分質量。典型的劃分方法包括:
            k-means,k-medoids,CLARA(Clustering LARge Application),
            CLARANS(Clustering Large Application based upon RANdomized Search).
            FCM

            2 層次方法(hierarchical method)  創建一個層次以分解給定的數據集。該方法可以分為自上
            而下(分解)和自下而上(合并)兩種操作方式。為彌補分解與合并的不足,層次合
            并經常要與其它聚類方法相結合,如循環定位。典型的這類方法包括:
            第一個是;BIRCH(Balanced Iterative Reducing and Clustering using Hierarchies) 方法,它首先利用樹的結構對對象集進行劃分;然后再利
            用其它聚類方法對這些聚類進行優化。
            第二個是CURE(Clustering Using REprisentatives) 方法,它利用固定數目代表對象來表示相應聚類;然后對各聚類按照指定
            量(向聚類中心)進行收縮。
            第三個是ROCK方法,它利用聚類間的連接進行聚類合并。
            最后一個CHEMALOEN,它則是在層次聚類時構造動態模型。

            3 基于密度方法,根據密度完成對象的聚類。它根據對象周圍的密度(如
            DBSCAN)不斷增長聚類。典型的基于密度方法包括:
              DBSCAN(Densit-based Spatial Clustering of Application with Noise):該算法通過不斷生長足夠高密
            度區域來進行聚類;它能從含有噪聲的空間數據庫中發現任意形狀的聚類。此方法將一個聚類定義
            為一組“密度連接”的點集。
              OPTICS(Ordering Points To Identify the Clustering Structure):并不明確產生一
            個聚類,而是為自動交互的聚類分析計算出一個增強聚類順序。。

            4 基于網格方法,首先將對象空間劃分為有限個單元以構成網格結構;然后利
            用網格結構完成聚類。
                STING(STatistical INformation Grid) 就是一個利用網格單元保存的統計信息進行基
            于網格聚類的方法。
                CLIQUE(Clustering In QUEst)和Wave-Cluster 則是一個將基于網格與基于密度相結合的方
            法。

            5 基于模型方法,它假設每個聚類的模型并發現適合相應模型的數據。典型的
            基于模型方法包括:

                統計方法COBWEB:是一個常用的且簡單的增量式概念聚類方法。它的輸入對象是采
            用符號量(屬性-值)對來加以描述的。采用分類樹的形式來創建
            一個層次聚類。
                CLASSIT是COBWEB的另一個版本.。它可以對連續取值屬性進行增量式聚
            類。它為每個結點中的每個屬性保存相應的連續正態分布(均值與方差);并利
            用一個改進的分類能力描述方法,即不象COBWEB那樣計算離散屬性(取值)
            和而是對連續屬性求積分。但是CLASSIT方法也存在與COBWEB類似的問題。
            因此它們都不適合對大數據庫進行聚類處理.

            posted on 2008-02-15 23:32 Amigo 閱讀(8766) 評論(4)  編輯 收藏 引用

            評論

            # 求助聚類分析方法 2008-05-11 17:40 一名求助者

            你好.我是高校的一名老師,我現在正在做一個畢業論文,其中用到了聚類分析的方法,我做出了個結果,但是不能對該結果有個比較滿意的解釋,直接導致論文的最后一個部分:討論部分沒有主題,由于論文馬上要答辯,請樓主看到我的留言后給我回個信息,希望能得到指點,謝謝!我的手機13509711779  回復  更多評論   

            # re: 聚類分析方法概述 2008-09-17 12:53 川山

            @一名求助者
            聚類結果解釋不滿意時,先看聚類的指標是否合適,符合理論分析的需要,或變量進行標準化變換!!  回復  更多評論   

            # re: 聚類分析方法概述 2009-11-27 19:15 輝子

            樓主,你好,我現在用聚類分析來做,但是效果不好,總是有些聚類很分散。不知道為什么?樓主可以指點一下嗎?謝謝。我的郵箱是:xujianhui306@163.com。很著急的。  回復  更多評論   

            # re: 聚類分析方法概述 2012-03-05 15:33 小格子

            樓主大人你好~
            我現在在做的課題有關空間中點的聚類~
            我想把距離在1以內的點都聚在一起,
            對于類間距離沒有要求
            不知道用什么聚類方法~
            求回復~
            我郵箱397023518@qq.com
            跪謝!!!  回復  更多評論   

            <2012年3月>
            26272829123
            45678910
            11121314151617
            18192021222324
            25262728293031
            1234567

            導航

            統計

            常用鏈接

            留言簿(4)

            隨筆檔案

            搜索

            積分與排名

            最新評論

            閱讀排行榜

            評論排行榜

            亚洲中文字幕久久精品无码喷水| 97久久精品无码一区二区| 国产精品永久久久久久久久久| 久久人妻少妇嫩草AV无码蜜桃| 香蕉99久久国产综合精品宅男自| 亚洲色婷婷综合久久| 国产精品丝袜久久久久久不卡 | 久久香蕉国产线看观看99| 国产精品久久久久一区二区三区| 久久无码中文字幕东京热| 国产精品久久影院| 亚洲人AV永久一区二区三区久久| 天堂久久天堂AV色综合| 国产99久久久久久免费看| 亚洲国产一成人久久精品 | 久久中文字幕无码专区| 久久超乳爆乳中文字幕| 久久久www免费人成精品| 国产精品内射久久久久欢欢| 国产精品久久久久aaaa| 久久免费的精品国产V∧| 国产精品久久久久久久人人看| 很黄很污的网站久久mimi色 | 久久亚洲精品成人无码网站| 国产三级观看久久| 99久久99久久精品免费看蜜桃| 97精品依人久久久大香线蕉97 | 亚洲国产欧洲综合997久久| 国产叼嘿久久精品久久| 久久er国产精品免费观看2| 性高湖久久久久久久久| 久久亚洲精品无码aⅴ大香| 中文成人久久久久影院免费观看| 精品熟女少妇aⅴ免费久久| 26uuu久久五月天| 久久高潮一级毛片免费| 色综合久久中文色婷婷| 很黄很污的网站久久mimi色| 久久99久久成人免费播放| 久久一本综合| 久久精品国产清自在天天线|