菜单
　　

    5.    基于模型的方法(model-based methods)
    基于模型的方法给每一个聚类假定一个模型，然后去寻找能够很好的满足这个模型的数据集。这样一个模型可能是数据点在空间中的密度分布函数或者其它。它的一个潜在的假定就是：目标数据集是由一系列的概率分布所决定的。通常有两种尝试方向：统计的方案和神经网络的方案。
    当然聚类方法还有：传递闭包法，布尔矩阵法，直接聚类法，相关性分析聚类，基于统计的聚类方法等。
    2.3    聚类算法的比较[15]
     
    2.4    层次聚类
    2.4.1 分类
    层次聚类方法对给定的数据集合进行层次的聚集或分裂[16]。
    a.    凝聚的层次聚类是一种自底向上的策略，首先将每个对象作为一个簇，然后合并这些原子簇为越来越大的簇，直到所有的对象都在一个簇中，或者某个终结条件被满足，绝大多数层次聚类方法属于这一类，它们只是在簇间相似度的定义上有所不同。
    b.    分裂的层次聚类与凝聚的层次聚类相反，采用自顶向下的策略，它首先将所有对象置于同一个簇中，然后逐渐细分为越来越小的簇，直到每个对象自成一簇，或者达到了某个终止条件。
    2.4.2 基本步骤
    层次聚类方法解决了很多其他传统方法的一些局限和缺点。它解决了K-Means等算法的一个主要问题：需要预先确定聚类数目。
    a. 将每个对象归为一类, 共得到N类, 每类仅包含一个对象. 类与类之间的距离就是它们所包含的对象之间的距离.
    b. 找到最接近的两个类并合并成一类, 于是总的类数少了一个.
    c. 重新计算新的类与所有旧类之间的距离.
    d. 重复第b步和第c步, 直到最后合并成一个类为止(此类包含了N个对象).
    根据步骤3的不同, 可将层次式聚类方法分为几类: single-linkage, complete-linkage 以及average-linkage 聚类方法等.
    1.    single-linkage 聚类法(也称connectedness 或minimum 方法)：类间距离等于两类对象之间的最小距离，若用相似度衡量，则是各类中的任一对象与另一类中任一对象的最大相似度。
    2.    complete-linkage聚类法(也称diameter 或maximum 方法)：组间距离等于两组对象之间的最大距离。
    3.    average-linkage 聚类法：组间距离等于两组对象之间的平均距离。2.4.3  fMRI信号层次聚类算法演示：
        假设我们有一组信号，包含9个fMRI信号，我们尝试着对它们进行层次聚类。
    a.    首先我们得到9条信号，用如下的圆fi,(i:1~9)表示。
    图2-1. 9条fMRI信号图示
    b.    其次，我们利用下文中总结出的相似度度量方法（具体见2.4节）得到一个相似度9*9的矩阵，见下图2-2。很容易可以看出，这是一个对称阵， 与 都是表示信号 之间的相似度，所以它们的值必然是相同的。
    同时，矩阵对角线上的值 为1，表示信号与自身的相似度最大，为
  1. 上一篇：ASP.net汽车配件企业进销存管理软件设计与开发
  2. 下一篇：基于Netfilter的网络数据包捕获与分析

  1. 神经网络算法在核素识别中的应用研究

  2. XML文档在组态软件中的应用

  3. 基于Agent的突发事件中网络...

  4. 网络新闻文本中的命名实体自动抽取研究

  5. 作业调度系统中的A*智能搜索算法研究与实现

  6. DTI/fMRI谱聚类的大脑子网络一致性分析

  7. 二维码理论及其在电子商务中的应用研究

  8. 酸性水汽提装置总汽提塔设计+CAD图纸

  9. 河岸冲刷和泥沙淤积的监测国内外研究现状

  10. 乳业同业并购式全产业链...

  11. 电站锅炉暖风器设计任务书

  12. 杂拟谷盗体内共生菌沃尔...

  13. 大众媒体对公共政策制定的影响

  14. 十二层带中心支撑钢结构...

  15. 中考体育项目与体育教学合理结合的研究

  16. 当代大学生慈善意识研究+文献综述

  17. java+mysql车辆管理系统的设计+源代码

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回