广告合作
  • 今日头条

    今日头条

  • 百度一下

    百度一下,你就知道

  • 新浪网

    新浪网 - 提供新闻线索,重大新闻爆料

  • 搜狐

    搜狐

  • 豆瓣

    豆瓣

  • 百度贴吧

    百度贴吧——全球领先的中文社区

  • 首页 尚未审核订阅工具 订阅

    高维数据聚类方法

    来源:网络收集  点击:  时间:2024-04-08
    【导读】:
    将物理或抽象对象的集合分组称为由类似的对象组成的多个类的过程被称为聚类。高维聚类分析与传统聚类分析的最主要差别就是高维度。高维数据聚类是聚类技术的难点和重点。那么高维数据聚类有哪些方法呢?下面就跟小编一起去看看吧工具/原料more电脑方法/步骤1/6分步阅读

    一、降维聚类:降维就是通过把数据点映射到更低维的空间上寻求数据的紧凑的一种技术,这种低空间的紧凑表示有利于对数据的进一步处理。

    2/6

    3/6

    二、基于超图的聚类:超图是对常规图的扩展,图中的每条边可以连接多个顶点,成为超边。基于超图的聚类方法把高维数据的关系映射到一个超图上,图中的每一条变表达这些数据的关系,边上的权值则表示相应关系到密切程度。在此基础上,基于超图的聚类方法实际上就是寻找超图顶点的一个划分,并使得处于同一个划分中的数据尽可能地相关。

    4/6

    5/6

    三、子空间聚类:子空间聚类又称特征选择,它把原始数据空间划分为不同的子空间,只在那些相关的子空间上考察聚类的存在。这些算法一般使用贪心策略等搜索方法搜索不同的特征子空间,然后使用一些标准来评价这些子空间,从而找到所需的簇。

    6/6

    典型的子空间聚类算法有CLIQUE、ENCLUS和MAFIA等。该类算法都使用Apriori策略来查找和合并某度量大于给定阈值的网格,产生候选子空间,并将这些候选子空间按其覆盖即子空间中点数量的大小排序;随后利用最小描述长度准则将规模较低的子空间剪枝

    本文关键词:

    版权声明:

    1、本文系转载,版权归原作者所有,旨在传递信息,不代表看本站的观点和立场。

    2、本站仅提供信息发布平台,不承担相关法律责任。

    3、若侵犯您的版权或隐私,请联系本站管理员删除。

    4、文章链接:http://www.1haoku.cn/art_461841.html

    相关资讯

    ©2019-2020 http://www.1haoku.cn/ 国ICP备20009186号05-07 20:01:49  耗时:0.029
    0.0293s