数据挖掘——学习笔记（系统聚类法和K均值聚类法）

一.系统聚类法

 

1.基本思想

将模式样本按距离准则逐步分类，类别由多到少，直到获得合适的分类要求为止。

算法：

第一步：设初始模式样本共有N个，每个样本自成一类，即建立N类，。计算各类之间的距离（初始时即为各样本间的距离），得到一个N*N维的距离矩阵D⁽⁰⁾。这里，标号(0)表示聚类开始运算前的状态。

第二步：假设前一步聚类运算中已求得距离矩阵D⁽ⁿ⁾，n为逐次聚类合并的次数，则求D⁽ⁿ⁾中的最小元素。如果它是G_i⁽ⁿ⁾和G_j⁽ⁿ⁾两类之间的距离，则将G_i⁽ⁿ⁾和G_j⁽ⁿ⁾两类合并为一类，由此建立新的分类：。

第三步：计算合并后新类别之间的距离，得D⁽ⁿ⁺¹⁾。

计算与其它没有发生合并的之间的距离，可采用多种不同的距离计算准则进行计算。

第四步：返回第二步，重复计算及合并，直到得到满意的分类结果。（如：达到所需的聚类数目，或D⁽ⁿ⁾