模式识别 学习笔记：第九章 非监督模式识别

本系列博客主要是在学习《模式识别（张学工著 第三版）》时的一些笔记。
本文地址：http://blog.csdn.net/shanglianlm/article/details/49734441

1 引言

1-1 分类

1. 基于样本的概率分布模型进行聚类
2. 直接根据样本间的距离或相似性度量进行聚类

2 基于模型的方法

如果已经知道或者可以估计样本在特征空间的概率分布，就可以用基于模型的方法进行聚类分析。模型就是样本在其所在空间里的概率密度函数。

2-1 单峰子集分离

2-2 高维特征的单峰子集分离

2-3 实例

3 混合模型的估计

非监督最大似然估计

1. 假设条件

1. 似然函数

1. 可识别性问题

1. 计算问题

4 动态聚类方法

特点
1. 选定某种距离度量作为样本间的相似性度量；
2. 确定某个评价聚类结果质量的准则函数；
3. 选定某个初始分类，然后用迭代算法 使准则函数取极值的最好聚类结果。

4-1 C均值聚类

4-2 ISODATA方法

4-3 基于样本与核的相似性度量的动态聚类方法

5 模糊聚类方法

模糊集

模糊C均值聚类

改进的模糊C均值聚类

6 分级聚类方法