Clara算法的总结

总结

一、步骤：

CLARA从数据集中抽取多个样本集,对每个样本集使用PAM，并以最好的聚类作为输出。

具体步骤：

1)  for i = 1 to v （选样的次数），重复执行下列步骤( (2) ～ (4) ) ；

2)  随机地从整个数据库中抽取一个 N (例如：(40 + 2 k))个对象的样本，调用PAM 方法从样本中找出样本的k 个最优的中心点。

3)  将这 k个中心点应用到整个数据库上，对于每一个非代表对象Oj，判断它与从样本中选出的哪个代表对象距离最近。

4)  计算（3）中得到的聚类的总代价。若该值小于当前的最小值,用该值替换当前的最小值,保留在这次选样中得到的k 个代表对象作为到目前为止得到的最好的代表对象的集合。

5)  返回到步骤（1） ，开始下一个循环。

算法结束后，输出最好的聚类结果。

 

二、代价计算

1.  找出样本中k个最优的中心点:

PAM 算法首先随机地选择了 k 个对象，然后用一个非选中对象0h 替换一个选中对象0i，然后为每一个非选中对象0j 计算代价Cjih ，将所有Cjih累加，得到用0h 替换0i的总代价TCjih。接下来用所有非代表点替换0i并计算出(n – k)个总代价。如果(n – k)个总代价中有小于零且绝对值最大则发生替换，如果(n – k)个总代价都大于零则不发生替换。继续对余下的代表点重复以上操作，最后得出此样本下的k个最优代表点。完成后，进行下一次抽样，并选出k个最有点。

 

注：根据0j 属于不同情况,Cji1 用不同的公式定义。

 

2.