数据挖掘导论读书笔记10聚类分析续

基于原型的聚类

　　模糊c均值使用模糊逻辑和模糊集合论的概念，提出一种聚类方案，它很像K均值，但是不需要硬性地将对象分派到一个簇中。模糊c均值算法有时也称为FCM

　　混合模型聚类采取这样的访谈，簇集合可以用一个混合分布建模，每个分布对应一个簇。EM(Expectation-Maximization)期望最大化算法

　　基于自组织映射SOM的聚类方法在一个框架内进行聚类，该框架要求簇具有预先指定的相互联系。SOFM/SOM

基于密度的聚类

　　基于网格的聚类，其基本思想是将每个属性的可能值分割成许多相邻的区间，创建网格单元的集合。

　　子空间聚类

　　DENCLUE:基于密度聚类的一张基于核的方案，它用与每个点相关联的影响函数之和对点集的总密度建模。

基于图的聚类

　　稀疏化

　　最小生成树聚类

　　OPOSSUM：使用METIS的稀疏相似度最优划分

　　Chameleon：使用动态建模的层次聚类

　　共享最近邻相似度SNN:Shared Nearest Neighbor

　　jarvis-patrick聚类算法

　　SSN密度

　　基于SSN密度的聚类

可伸缩的聚类算法

　　BIRCH:Balanced Iterative Reducing and Clustering using Hierarchies,基于聚类特征（Clustering Feature，CF）和CF树的概念。其基本思想是，数据点(向量)的簇可以用三元组(N,LS,SS)表示，其中N是簇中点的个数，LS是点的线性和，SS是点的平方和。CF树是一种高度平衡的树。

　　CURE:Clustering Using REpresentative是一种聚类算法，它使用各种不同的技术创建一种方法，该方法能够处理大型数据、离散点和具有非球形和非均匀大小的簇的数据。

数据挖掘导论读书笔记10聚类分析续相关推荐

数据挖掘导论读书笔记9聚类分析
1. 聚类分析仅根据在数据中发现的描述对象及其关系的信息,将数据对象分组. 其目标是组内的对象相互之间是相似的或者相关的,而不同组中的对象是不同的或者不相关的. 2.聚类分析的重要技术 K均值:K均值 ...
数据挖掘导论读书笔记5关联分析的基本概念和算法
关联规则的强度可以用support度和confidence(置信)度来度量关联规则发现给定事务的集合T,关联规则发现是指找出支持度大于等于minsup并且置信度大于等于minconf的所有规则, ...
数据挖掘导论读书笔记11异常检测
异常检测的目标是发现与大部分其他对象不同的对象.通常,异常对象被称作离群点(Outlier). 异常检测也称偏差检测(Deviation detection),因为异常对象的属性值明显偏离期望的或者常 ...
数据挖掘导论读书笔记8FP树
1FP树转载于:https://www.cnblogs.com/davidwang456/p/9685555.html
数据挖掘导论读书笔记7 Apriori算法
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法.其核心是基于两阶段频集思想的递推算法.该关联规则在分类上属于单维.单层.布尔关联规则.在这里,所有支持度大于最小支持度的项集称为频繁项 ...
数据挖掘导论读书笔记4--其他分类技术
1.基于规则的分类器 2.最近邻分类器 3.贝叶斯分类器 4.人工神经网络 5.支持向量机 6.组合方法 7.不平衡类问题 8.多类问题转载于:https://www.cnblogs.com/dav ...
数据挖掘导论读书笔记6关联分析的高级概念
处理联系属性: 基于离散化的方法基于统计学的方法非离散化方法处理概念分层定义在一个特定领域的各种实体或者概念的多层组织.概念分层可以用有向无环图DAG来标示. 序列模式可选计数方案 COBJ ...
数据挖掘导论读书笔记3--分类
1.分类的基本概念分类任务就是通过学习得到一个目标函数f,把每个属性集x映射到一个预先定义的类标号y 目标函数也称为分类模型. 2. 解决分类问题的一般方法: 决策树分类法基于规则的分类法神经网 ...
数据挖掘导论读书笔记2
1.频率和众数 frequency(vi)=具有属性值vi的对象数/m 分类属性的众数mode是具有最高频率的值. 2.百分位数 3.位置度量:均值和中位数 4.散布度量:极差和方差绝对平均偏差 A ...

数据挖掘导论读书笔记10聚类分析续

数据挖掘导论读书笔记10聚类分析续相关推荐

最新文章

热门文章