聚類算法及其有效性問題研究.pdf_第1頁
已閱讀1頁,還剩38頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、聚類算法是數(shù)據(jù)挖掘中重要的研究領(lǐng)域,聚類有效性是根據(jù)聚類理論方法能判別聚類質(zhì)量高低的指標(biāo)。聚類有效性驗證方法主要有基于內(nèi)部或外部準(zhǔn)則的統(tǒng)計假設(shè)檢驗,聚類層次的有效性,單獨聚類的有效性,Dunn和類Dunn指標(biāo),Davies-Bouldin和類DB指標(biāo),Gap統(tǒng)計等。聚類算法常見的有分層聚類算法、網(wǎng)格聚類算法、基于密度聚類算法、基于劃分的聚類算法、其它聚類算法等。但這些算法常常采用歐氏距離來度量相似性的,而歐氏距離將樣品的不同屬性之間的差

2、別等同看待,易受變量之間的相關(guān)性干擾,不僅影響聚類的速度和質(zhì)量,還影響聚類有效性指標(biāo)的性能,有時不能滿足實際要求。另一方面,對兩點之間進(jìn)行距離度量的馬氏距離具有很多優(yōu)點,如它不受量綱的影響,兩點之間的馬氏距離與原始數(shù)據(jù)的測量單位無關(guān),由標(biāo)準(zhǔn)化數(shù)據(jù)和中心化數(shù)據(jù)計算出的二點之間的馬氏距離相同,馬氏距離還可以排除變量之間的相關(guān)性的干擾。本文探討了分層聚類算法和歐氏距離的局限性.充分考慮數(shù)據(jù)的幾何結(jié)構(gòu)特征和個體屬性,結(jié)合馬氏距離提出了一種新的屬

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論