資源描述：
《基于劃分的聚類算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、文獻(xiàn)閱讀報(bào)告課程名稱：《模式識(shí)別》課程編號(hào)：題目:基于劃分的聚類算法研究生姓名:學(xué)號(hào):論文評(píng)語:成績:任課教師:評(píng)閱日期:8基于劃分的聚類算法2016-11-20摘 要:聚類分析是數(shù)據(jù)挖掘的一個(gè)重要研究分支，已經(jīng)提出了許多聚類算法，劃分方法是其中之一?；趧澐值木垲愃惴ň褪怯媒y(tǒng)計(jì)分析的方法研究分類問題。本文介紹了聚類的定義以及聚類算法的種類，詳細(xì)闡述了K均值聚類算法和K中心點(diǎn)聚類算法的基本原理并對(duì)他們的性能進(jìn)行分析，對(duì)近年來各學(xué)者對(duì)基于劃分的聚類算法的研究現(xiàn)狀進(jìn)行梳理，對(duì)其具體應(yīng)用實(shí)例作簡要介紹。關(guān)鍵字：數(shù)據(jù)挖掘；聚類；K均值聚類算法；K中心點(diǎn)聚類算法；K眾數(shù)算法；k多
2、層次聚類算法PartitionalclusteringalgorithmsAbstract:Clusteringanalysisisanimportantbranchofdatamining,manyclusteringalgorithmshavebeenproposed,thedividingmethodisoneofthem.Basedontheclusteringalgorithmisdividedintoclassificationproblemsusingthemethodofstatisticalanalysis.Inthispaper，weintroduc
3、esthedefinitionofclusteringandtypeofclusteringalgorithm，thebasicprincipleofk-meansclusteringalgorithmandK-centerclusteringalgorithmareexpoundedindetail，wealsoanalyzetheirperformance，thescholarsinrecentyearsthestudyoftheclusteringalgorithmbasedonpartitioningpresentsituationhascarriedonthe
4、comb，makeabriefintroductiontoitsspecificapplicationinstance.Keywords:Datamining；clustering；k-meansclusteringalgorithms；k-medoidsclusteringalgorithms；k-modesclusteringalgorithms;k-prototypeclusteringalgorithms1.引言把單個(gè)的數(shù)據(jù)對(duì)象的集合劃分為相類似的樣本組成的多個(gè)簇或多個(gè)類的過程，這就叫聚類[[]QIANWei-ning,ZHOUAo-ying.Analyzing
5、PopularClusteringAlgorithmsfromDifferentViewpoints[J].軟件學(xué)報(bào)，Vol.13,No.8:1382-1394.]。在無監(jiān)督的情況下，具有獨(dú)立的學(xué)習(xí)能力，這就是聚類。將數(shù)據(jù)空間中的所有數(shù)據(jù)點(diǎn)分別劃分到不同的類中，相近距離的劃分到相同類，較遠(yuǎn)距離的劃分到不同類，這就是聚類的目的.聚類分析常作為一種數(shù)據(jù)的預(yù)處理過程被用于許多應(yīng)用當(dāng)中，它是更深一步分析數(shù)據(jù)、處理數(shù)據(jù)的基礎(chǔ)。人們通過聚類分析這一最有效的手段來認(rèn)識(shí)事物、探索事物之間的內(nèi)在聯(lián)系，而且，關(guān)聯(lián)規(guī)則等分析算法的預(yù)處理步驟也可以用它?，F(xiàn)在，在氣象分析中，在圖像處理時(shí)，在模式
6、識(shí)別領(lǐng)域，在食品檢驗(yàn)過程中，都有用到它。隨著現(xiàn)代科技水平的不斷提高、網(wǎng)絡(luò)的迅猛發(fā)展、計(jì)算機(jī)技術(shù)的不斷改革和創(chuàng)新，大批量的數(shù)據(jù)不斷涌現(xiàn)。怎樣從這些數(shù)據(jù)中提取有意義的信息成為人們關(guān)注的問題。這對(duì)聚類分析技術(shù)來說無疑是個(gè)巨大的挑戰(zhàn)。只有具有處理高維的數(shù)據(jù)的能力的聚類算法才能解決該問題.研究者們開始設(shè)計(jì)各種聚類算法，于是，基于劃分的聚類算法便應(yīng)運(yùn)而生，而且，取得了很好的效果。2.正文1聚類概述1.1定義8聚類的定義[[]孫吉貴，劉杰，趙連宇.聚類算法研究[J].JournalofSoftware,Vol.19,No.1,January2008,pp.48?61.]為:在已知的數(shù)
7、據(jù)的集合中，尋找數(shù)據(jù)點(diǎn)集的同類的集合.其中，每一個(gè)數(shù)據(jù)集合為一個(gè)類，還確定了一個(gè)區(qū)域，區(qū)域中的對(duì)象的密度高于其他區(qū)域中的對(duì)象的密度.聚類的實(shí)質(zhì)就是“把數(shù)據(jù)集合中的所有數(shù)據(jù)分成許多的類簇，其中必有一個(gè)類簇內(nèi)的實(shí)體它們都是相似的，而其它不同類簇的實(shí)體它們是不相似的；一個(gè)類簇是被測試空間中的點(diǎn)的會(huì)聚，而且，同一個(gè)類簇的任意兩個(gè)點(diǎn)之間的距離小于不同的類簇的任意兩個(gè)點(diǎn)之間的距離；一個(gè)包含的密度相對(duì)較高的點(diǎn)集的多維空間中的連通區(qū)域可以被描述為一個(gè)類簇，這時(shí)，它們可以借助包含的密度相對(duì)較低的點(diǎn)集的區(qū)域與其他的區(qū)域分離開來?！?.1聚類算法的種類截止目前
