系统聚类和DBSCAN

目录

系统聚类

1.定义：

2.spass操作

3.确定K的方法—肘方法

DBSCAN

1.定义

2.matlab操作

算法选择建议

系统聚类

1.定义：

系统（层次）聚类的算法流程：

一 、将每个对象看作一类，计算两两之间的最小距离

 二、将距离最小的两个类合并成一个新类

 三、重新计算新类与所有类之间的距离

四、重复二三两步，直到所有类最后合并成一类； 五、结束。

2.spass操作

spass处理后得到树状图

我们可以根据这个来确定我们K的数量！！！

3.确定K的方法—肘方法

简单来说，就是算出每个分类中每一个点到重心的距离累加起来。

拐点就是我们要找的K值！！！

DBSCAN

1.定义

DBSCAN算法将数据点分为三类：

• 核心点：在半径Eps内含有不少于MinPts数目的点

• 边界点：在半径Eps内点的数量小于MinPts，但是落在核心 点的邻域内

• 噪音点：既不是核心点也不是边界点的点

2.matlab操作

epsilon=0.5;
MinPts=10;
IDX=DBSCAN(X,epsilon,MinPts);

算法选择建议

只有两个指标，且你做出散点图后发现数据表现得很“DBSCAN”，这时 候你再用DBSCAN进行聚类。

其他情况下，全部使用系统聚类吧。

K-means也可以用，不过用了的话你论文上可写的东西比较少。