聚类分析----动态聚类法(近邻函数法)

本文介绍了一种基于近邻函数的聚类算法,适用于处理条状或线状分布的数据。该算法通过计算样本间的近邻函数值衡量相似度,并以此为基础进行类别的合并。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这种算法特别适用与类的模式分布是条状或线状的情况。

近邻函数

对于两个样本xi与xj,如果xi是xj的第i个近邻点,则定义xi对xj的近邻系数为I,记为d(i,j)=l;同理d(j,i)=J。于是xi和xj之间的近邻函数值为:\alpha _{ij}=d(i,j)+d(j,i)-2

显然样本间的近邻函数值越小说明它们越接近越相似。在这方法里用近邻函数值来表示连接损失(表示两个样本是否适合合并)。

算法思想

同过迭代合并初始的分类,令类间的最小近邻函数值的最小值尽可能大,类内最大近邻函数值尽可能小。

算法步骤

  1. 计算距离矩阵
  2. 计算近邻系数矩阵
  3. 生成近邻函数矩阵L
  4. 对L进行搜索,将每个点与和他有最小近邻函数值的点连接起来
  5. 对于4中的聚类,计算各类的类间的最小近邻函数值和类内最大近邻函数值,若前者小于等于后者则将2类合并,重复本步骤。否则结束。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值