这次介绍的是Alex和Alessandro于2014年发表在的Science上的一篇关于聚类的文章[13]，该文章的基本思想很简单，但是其聚类效果却兼具了谱聚类(Spectral Clustering)[11,14,15]和K-Means的特点，着实激起了我的极大的兴趣，该聚类算法主要是基于两个基本...
分类：
其他好文 时间：
2014-12-04 21:30:15
阅读次数：
281
1.K-means算法K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用...
分类：
编程语言 时间：
2014-11-28 17:45:43
阅读次数：
220
K-means聚类算法算法优缺点：优点：容易实现缺点：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：数值型数据算法思想k-means算法实际上就是通过计算不同样本间的距离来判断他们的相近关系的，相近的就会放到同一个类别中去。1.首先我们需要选择一个k值，也就是我们希望把数据分成多少类，...
分类：
编程语言 时间：
2014-11-28 06:13:30
阅读次数：
368
k-means算法： 第一步：选$K$个初始聚类中心，$z_1(1),z_2(1),\cdots,z_k(1)$，其中括号内的序号为寻找聚类中心的迭代运算的次序号.聚类中心的向量值可任意设定，例如可选开始的$K$个模式样本的向量值作为初始聚类中心。 第二步：逐个将需分类的模式样本$\{x\}$按.....
分类：
编程语言 时间：
2014-11-16 21:29:00
阅读次数：
257
1. 与K-均值算法的比较–K-均值算法通常适合于分类数目已知的聚类，而ISODATA算法则更加灵活；–从算法角度看， ISODATA算法与K-均值算法相似，聚类中心都是通过样本均值的迭代运算来决定的；–ISODATA算法加入了一些试探步骤，并且可以结合成人机交互的结构，使其能利用中间结果所取得的经...
分类：
编程语言 时间：
2014-11-16 15:53:14
阅读次数：
378
狄利克雷聚类算法 前面介绍的三种聚类算法都是基于划分的，下面我们简要介绍一个基于概率分布模型的聚类算法，狄利克雷聚类（Dirichlet Processes Clustering）。 首先我们先简要介绍一下基于概率分布模型的聚类算...
分类：
编程语言 时间：
2014-11-13 16:57:10
阅读次数：
306
K 均值聚类算法 K 均值是典型的基于距离的排他的划分方法：给定一个 n 个对象的数据集，它可以构建数据的 k 个划分，每个划分就是一个聚类，并且 k<=n，同时还需要满足两个要求： 每个组至少包含一个对象 每个对象...
分类：
编程语言 时间：
2014-11-13 14:49:34
阅读次数：
144
目前，SPARK在大数据处理领域十分流行。尤其是对于大规模数据集上的机器学习算法，SPARK更具有优势。一下初步介绍SPARK在linux中的部署与使用，以及其中聚类算法的实现。...
分类：
编程语言 时间：
2014-11-12 21:21:04
阅读次数：
264
在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明。本文主要针对怎样用EM算法在混合高斯模型下进行聚类进行代码上的分析说明。1. GM...
分类：
编程语言 时间：
2014-11-09 15:08:43
阅读次数：
348
K-means算法
一般情况，聚类算法可以划分为以下几类：划分方法（partitioning method）、层次方法（hierarchical
methods）、基于密度的方法（density-based methods）、基于网格的方法（grid-based methods）、基于模型的方法（model-based
methods）.k-means算法属于划分方法中的一种。 K-me...
分类：
编程语言 时间：
2014-11-05 13:05:07
阅读次数：
307
