大数据聚类
Justin-wu
最好的你在路上!
展开
-
AP聚类算法原理分析
AP聚类算法:AP算法在开始时,将所有的节点都看成潜在的聚类中心,然后通过节点之间的通信找到最合适的聚类中心。 输入为节点间的相似度矩阵S: 其中S(i,j)表示节点i与节点j之间的相似度,也表明了j作为i的聚类中心的合适程度。 S(k,k)表示节点k作为k的聚类中心的合适程度,即节点k成为聚类中心的合适程度。 在最开始的时候,这个值是初始化时使用者给定的值,会影响到最后的聚类数量AP节点之原创 2017-07-20 15:42:11 · 9604 阅读 · 1 评论 -
K-Means原理分析以及其变种算法
从K-Means到elkan K-Means,再到Mini Batch K-Means K-Means是最普通的聚类方法,应用面比较广。 elkan K-Means是K-Mean算法的变种,用于简化计算: elkan K-Means原理: 规律1.对于一个样本点X和两个质心O1和O2,如果我们预先计算出来了两个质心之间的距离D(O1,O2) 如果2D(X,O1)≤D(O1,O2)即可得到D原创 2017-07-21 11:05:15 · 4748 阅读 · 0 评论