聚类算法学习笔记

最新推荐文章于 2023-06-21 18:52:02 发布

cuiyanws

最新推荐文章于 2023-06-21 18:52:02 发布

阅读量1.7k

点赞数

文章标签：算法 transactions extension processing matrix events

本文链接：https://blog.csdn.net/cuiyanws/article/details/5991769

版权

这篇博客主要介绍了聚类算法，包括A Tutorial on Clustering Algorithms中的基础知识，以及Incremental clustering在动态信息处理中的应用。文章详细阐述了基本的聚类方法类别，如图论、单次遍历和迭代算法，并探讨了相似性度量如CC（覆盖系数）。此外，还提到了C3M和C2ICM这两种基于覆盖系数的聚类方法，C2ICM是C3M的扩展。最后，讨论了用于新闻事件检测和跟踪的学习方法，如GAC和Bucketing GAC以及INCR增量单次遍历算法。

摘要由CSDN通过智能技术生成

[0] 最近看到一个介绍聚类梗概的Page，简单清晰，收藏供参考。

A Tutorial on Clustering Algorithms

http://home.dei.polimi.it/matteucc/Clustering/tutorial_html/index.html

[1] Incremental clustering for dynamic information processing, FAZLI CAN, ACM Transactions on Information Systems, Vol. 11, No. 2, April 1993, Pages 143-164.

Basic Categories of Clustering Methodologies：

graph-theoretical

single-pass

iterative algorithms.

Similarity Measure:

CC (cover-coefficient) concept

The concept maps an m * n (document by term) D matrix [10] into an m * m C, cover coefficient, matrix. The individual entries of C, Cij(1<i, j<m), indicate the probability of selecting any term of di from dj.