本文介绍了近邻函数值准则聚类算法，这是一种无监督学习方法，通过计算样本间的近邻系数和连接损失进行聚类。文章详细阐述了算法的概念、步骤，并提供了一个实例说明其工作原理。最后，文章展示了如何在MATLAB中实现这一算法。
近邻函数值准则聚类算法
概念
近邻函数值准则聚类算法是一种无监督学习算法，考虑
X = { X 1 , X 2 , . . . , X N } \mathcal{X}=\{X_1,X_2,...,X_N\} X={
X1,X2,...,XN}中的任意两个样本 X i X_i Xi和 X k X_k Xk，
若 X i X_i Xi是 X k X_k Xk的第 I I I个近邻，则称 X i X_i Xi对 X k X_k Xk的近邻系数为 I I I
若 X k X_k Xk是 X i X_i Xi的第 K K K个近邻，则称 X k X_k Xk对 X i X_i Xi的近邻系数为 K K K
定义两个样本 X k X_k Xk和 X i X_i Xi的近邻函数值 α i k = I + K − 2 \alpha_{ik}=I&
最低0.47元/天 解锁文章
扫一扫
3362
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
