1. 常用的聚類方法的分類

劃分方法：K-MEANS（K均值）、K-MEDOIDS（K中心點）、CLARANS算法（基于選擇的算法）

層次分析方法：BIRCH算法（平衡迭代規(guī)約和聚類）、CURE算法（代表點聚類）、CHAMELEON算法(動態(tài)模型)

基于密度的算法：DBSCAN算法（基于高密度連續(xù)區(qū)域）、DENCLUE算法（密度分布函數(shù)）、OPTICS算法（對象排序識別）

基于網(wǎng)格的方法：STING算法（統(tǒng)計信息網(wǎng)絡(luò)）、CLIOUE算法（聚類高維空間）、WAVE-CLUSTER算法(小波變換)

基于模型的方法：統(tǒng)計學方法、神經(jīng)網(wǎng)絡(luò)方法

2. 常用的聚類分析算法

K-Means聚類也叫快速聚類法，在最小化誤差函數(shù)的基礎(chǔ)上將數(shù)據(jù)劃分為預(yù)定的類數(shù)K。原理簡單，便于處理大量數(shù)據(jù)。

K-Medoids聚類算法不采用簇中對象的平均值作為簇中心，而選用簇中離平均值最近的對象作為簇中心。

3. K-Means聚類算法

1）算法過程

①從N個樣本數(shù)據(jù)中隨機選取K個對象作為初始的聚類中心；

②分別計算每個樣本到各個聚類中心的距離，將對象分配到距離最近的聚類中；

③所有對象分配完成后，重新計算K個聚類的中心；

④與前一次計算的K個聚類中心比較，如果聚類中心發(fā)生變化，轉(zhuǎn)第②步，否則轉(zhuǎn)第⑤步。

⑤當質(zhì)心不發(fā)生變化時停止并輸出聚類結(jié)果。

2）數(shù)據(jù)類型與相似性的度量

連續(xù)屬性：首先對各屬性值進行零-均值規(guī)范（zscore），在進行距離計算。距離計算常用的有：

· 歐幾里得距離

· 曼哈頓距離

· 閔可夫斯基距離

文檔數(shù)據(jù)：先將文檔數(shù)據(jù)整理成文檔-詞矩陣格式，再用余弦相似性度量。

3）目標函數(shù)

連續(xù)屬性的SSE?

?

文檔數(shù)據(jù)的SSE

3. 聚類分析算法評價

組內(nèi)相似性越大，組件差別越大，聚類效果越好。常用的評價方法有：

· purity評價法

· RI評價法

· F值評價法

4. MATLAB主要聚類分析算法函數(shù)

層次聚類樹：Z = linkage(x,method,metric)?

層次聚類或者高斯混合分布聚類模型：T = cluster(Z,’maxclust’,n)? 或者 T = cluster(Z,’cutoff’,c)

其中，Z是使用linkage函數(shù)構(gòu)建的層次聚類數(shù)，是一個(m-1)×3維矩陣，其中m是觀察的樣本數(shù)；當參數(shù)為’maxclust’時，n為聚類的類別；當參數(shù)為’cutoff’時，c表示剪枝的閾值。

k均值聚類模型：[IDX,C,sumd,D] = kmeans(x,k,param1,val1,param2,val2,...)

其中，IDX返回每個樣本數(shù)據(jù)的類別；C返回k個類別的中心向量；sumd返回每個類別樣本到中心向量的距離和；D返回每個樣本到中心的距離。

模糊聚類模型：[center,U,obj_fcn] = fcm(data,cluster_n)

其中，U返回最終模糊分區(qū)矩陣；obj_fcn為循環(huán)過程中目標函數(shù)的值。

自組織神經(jīng)網(wǎng)絡(luò)聚類模型：net = selforgmap(dimensions,coverSteps,initNeighbor,topologyFcn,distanceFcn)?