聚类方法

2015-06-04 08:41:45   19  举报





聚类方法是一种无监督学习方法，用于将数据集划分为多个组或“簇”，使得同一簇内的数据点彼此相似，而不同簇之间的数据点差异较大。这种方法在数据分析、模式识别和机器学习等领域具有广泛的应用。常见的聚类算法包括K-means、DBSCAN、层次聚类等。通过选择合适的距离度量和聚类准则，聚类方法可以帮助我们发现数据中的隐藏结构和规律，为进一步的分析和决策提供有价值的信息。

作者其他创作

大纲/内容

把一个对象集划分成多个互斥的簇或簇的分层结构包括三种代表性方法：DBSCAN、OPTICS、DENCLUE

基于网格的方法

将数据对象组成层次结构或簇的“树”常用的方法包括：凝聚的层次聚类，分裂的层次聚类、多阶段聚类、概率层次聚类等。（凝聚层次聚类算法的早期综述在Day和Edelsbrunner提出）

Grid-based Method

层次方法

Hierarchical Method

Partitioning Method

该方法首先需要对研究对象的空间向量进行网格的划分，整理成不同数量的单元格形式，各网格进行相互组合成一个完整的结构（包括STING和CLIQUE等）

基于密度的方法

划分方法