将训练输入样本基于相似度而进行分类的聚类方法
1.K均值聚类
- 只能处理线性可分的聚类问题
- 原则上,将簇标签分配到训练样本在,计算簇的分散情况,所有簇分散情况和最小的即最优解,但是这样计算时间会随n指数增长。
- 实际上,将样本逐个分配到距离其最近的聚类簇中,并重复迭代求局部最优解。
2.核k均值聚类
- 将核映射方法应用到k均值聚类中,得到非线性的簇分类结果
- 聚类结果强烈依赖初始值的选取,尤其是在特征空间维度较高时,在实际中难以应用
3.谱聚类
过程:
- 核映射特征空间
- 在特征空间应用局部保持投影法降维
- 应用k均值聚类
- 还原到原始输入空间