模式识别-经典聚类方法

一、基于试探的聚类搜索算法(类别数由少到多)

1、按最邻近规则的简单试探法

基本思想:假设有N个样本{X1,X2...Xn},要求按距离阈值T分类到聚类中心{Z1,Z2,Z3…}

步骤:

step1:将第一个样本作为第一类的中心,Z1=X1.

step2:将剩下的样本计算||Xi-Z1 ||,若大于阈值T,则Xi作为新的一类的中心Z2.

step3:将剩余样本分别计算||Xi-Z1||,||Xi-Z2||,若||Xi-Z1||>T且||Xi-Z2||>T,则取Xi作为新的聚类的中心Z3。否则Xi属于距离Z1和Z2的较近者。

step4:按上述策略重复下去,直至将N个模式分类完毕。

优点:计算简单,若模式样本的集合分布的先验知识已知,则可获得较好的聚类结果。

缺点:在实际中,对于高维模式样本很难获得准确的先验知识,因此只能选用不同的阈值和起始点来试探,并对结果进行验证。

这种方法在很大程度上依赖于以下因素:

第一个聚类中心的位置(初始化问题)

待分类模式样本排列次序(聚类样本的选择问题)

距离阈值T的大小(判决准则问题)

样本分布的几何性质(样本的固有特性问题)

2、最大最小距离算法

基本思想:以试探类间欧式距离为最大作为预选出聚类中心的条件

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值