说明：如果是要用matlab做kmeans聚类分析，直接使用函数kmeans即可。使用方法:kmeans(输入矩阵，分类个数k)。转载一： MATLAB提供了两种方法进行聚类分析： 1、利用 clusterdata 函数对数据样本进行一次聚类，这个方法简洁方便，其特点是使用范围较窄，不能由用户根据....
分类：
其他好文 时间：
2015-04-30 10:13:13
阅读次数：
206
聚类分析的基于内存的数据结构：1二模矩阵：用P个变量来表示N个对象。（行表示属性，列表示每个对象对每个属性的特征）行和列都表示不同的实体2异度矩阵：行和列表示相同的实体；（单模矩阵）存储n个对象两两之间的近似。区间标度变量：重量、高度。一个粗略线性标度的连续度量。度量单位将直接影响聚类分析的结构，需...
分类：
其他好文 时间：
2015-04-29 00:32:06
阅读次数：
128
对于文本信息的向量化，Mahout 已经提供了工具类，它基于 Lucene 给出了对文本信息进行分析，然后创建文本向量。mahout提供下面两个命令来将文本转成向量形式（转化成向量后可以聚类）：1.mahout seqdirectory：将文本文件转成SequenceFile文件，SequenceF...
分类：
其他好文 时间：
2015-04-26 21:00:05
阅读次数：
154
数据挖掘到底是什么呢?
显然数据挖掘不是变魔术，数据挖掘是 使用复杂的数学算法，使我们能够运用计算机强大的计算能力对大量细节数据进行筛查、梳理，找出一些有意义的信息，发现数据中的模式、相关性和聚类。同时它也让我们摆脱了手工进行这种数字运算的劳累工作。
而我们为什么又要去了解它呢？
关系数据库系统擅长记录日常的数据，积累了大量的数据。
而多维数据系统通过聚合对数据进行汇总，但由于...
分类：
数据库 时间：
2015-04-25 22:47:32
阅读次数：
180
发表在2014年Science上的聚类方法Clustering by fast search and find of density peaks，不在这赘述介绍了，其matlab代码详细注释下面给出，如果想看该方法的详细解释说明，推荐在阅读原文的基础上，参考这位博主的博文
http://blog.csdn.net/itplus/article/details/38926837
本文版权...
分类：
其他好文 时间：
2015-04-21 09:37:43
阅读次数：
375
一、关联规则挖掘
1、 Apriori算法
（1）Apriori算法原理
Apriori算法使用频繁项集的先验知识，使用一种称作逐层搜索的迭代方法，k项集用于探索(k+1)项集。首先，通过扫描事务（交易）记录，找出所有的频繁1项集，该集合记做L1，然后利用L1找频繁2项集的集合L2，L2找L3，如此下去，直到不能再找到任何频繁k项集。最后再在所有的频繁集中找出强规则，即产生用户感兴趣的关联规...
分类：
编程语言 时间：
2015-04-21 00:26:32
阅读次数：
376
在Hibernate中的HQL语句其实能够基本能够实现SQL语句所做的事情，正如jQuery至于javascript一样。虽然HQL语句是对类的查询，但是HQL在实行聚类查询、分组查询、排序与时间之差等查询，也无须把查询结果查询出来，再通过对List的处理才得到结果。
比如有一张如下的Testtable表：
要像《【Mysql】求出离最近相差X天的项，sql语句关于日期的比对》（点击打...
分类：
编程语言 时间：
2015-04-20 13:16:41
阅读次数：
198
聚类查询所针对的对象是表的其中一列，譬如如下的testtable表，要查出username这一列中，各个项所出现的次数，则用到聚类查询
显然，聚类查询之后，得到的结果必须与id,number这两列半点关系都没有。因此，也就是正如上门，所说，聚类查询所针对的对象是表的其中一列。
聚类查询往往配合count(*),sum(*),avg(*)等聚类语句，用来对表进行统计。由于查询的字段往往是...
分类：
数据库 时间：
2015-04-17 13:59:17
阅读次数：
287
K-means算法属于无监督学习聚类算法，其计算步骤还是挺简单的，思想也挺容易理解，而且还可以在思想中体会到EM算法的思想。K-means 算法的优缺点：
1.优点：容易实现
2.缺点：可能收敛到局部最小值，在大规模数据集上收敛较慢
使用数据类型：数值型数据以往的回归算法、朴素贝叶斯、SVM等都是有类别标签y的，因此属于有监督学习，而K-means聚类算法只有x，没有y在聚类问题中，我们的...
分类：
编程语言 时间：
2015-04-17 13:54:08
阅读次数：
162
前面我们在是实现K-means算法的时候，提到了它本身存在的缺陷：
1.可能收敛到局部最小值
2.在大规模数据集上收敛较慢
对于上一篇博文最后说的，当陷入局部最小值的时候，处理方法就是多运行几次K-means算法，然后选择畸变函数J较小的作为最佳聚类结果。这样的说法显然不能让我们接受，我们追求的应该是一次就能给出接近最优的聚类结果。其实K-means的缺点的根本原因就是：对K个质心的初始选...
分类：
编程语言 时间：
2015-04-17 13:52:12
阅读次数：
357
