各种聚类算法的比较.doc_聚类方法都有什么区别资源-CSDN文库

版权申诉

121 浏览量 2022-05-07 19:03:27 上传评论收藏 47KB DOC 举报

资源推荐

资源详情

资源评论

各种聚类算法的比较

聚类的目标是使同一类对象的相似度尽可能地小；不同类对象之间的相似

度尽可能地大。目前聚类的方法很多，根据基本思想的不同，大致可以将聚类

算法分为五大类：层次聚类算法、分割聚类算法、基于约束的聚类算法、机器

学习中的聚类算法和用于高维度的聚类算法。摘自数据挖掘中的聚类分析研究

综述这篇论文。

1、层次聚类算法

1.1 聚合聚类

1.1.1 相似度依据距离不同：Single-Link:最近距离、Complete-Link：最远距离、

Average-Link：平均距离

1.1.2 最具代表性算法

1）CURE 算法

特点：固定数目有代表性的点共同代表类

优点：识别形状复杂，大小不一的聚类，过滤孤立点

2）ROCK 算法

特点：对 CURE 算法的改进

优点：同上，并适用于类别属性的数据

3）CHAMELEON 算法

特点：利用了动态建模技术

1.2 分解聚类

1.3 优缺点

优点：适用于任意形状和任意属性的数据集；灵活控制不同层次的聚类粒

度，强聚类能力

缺点：大大延长了算法的执行时间，不能回溯处理



2、分割聚类算法

2.1 基于密度的聚类

2.1.1 特点

将密度足够大的相邻区域连接，能有效处理异常数据，主要用于对空间数

据的聚类

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

内容反馈

版权申诉

老帽爬新坡

粉丝: 82
资源: 2万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip