数据挖掘--聚类之K均值算法

1.聚类概念

聚类 是将物理或抽象对象的集合分成相似的对象类的过程。使得同一个簇中的对象之间具有较高的相似性，而不同簇中的对象具有较高的相异性。 簇 是数据对象的集合，这些对象与同一簇中的对象彼此相似，而与其他簇的对象相异。

聚类可形式描述为：

    Ｄ={ o1, o2, ……, on}表示一个对象集合，

    oi表示第i个对象，i={1,2,……,n}；

    Cx表示第x个簇，CxÍＤ，x=1，2，…，k；

    Similarity(oi,oj)表示对象oi与对象oj之间的相似度。

2.K均值算法

误差平方和准则：若Nx是第x个簇Cx中的对象数目，mx是这些对象的均值，即：