聚类方法梳理

已于 2022-03-27 14:55:19 修改
阅读量1.3k 收藏
点赞数
分类专栏： 机器学习 文章标签： 聚类
于 2022-03-27 12:13:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_35090060/article/details/123770966
版权

参考资料

知乎
优快云

基于划分的聚类

典型算法：K-means（均值质心；速度快，但受极端值影响大）、K-medians（中位数质心；速度比K-means慢，但受极端值影响小）

基于层次的聚类

典型算法：BIRCH

基于密度的聚类

典型算法：DBSCAN（将高密度区域视为一个类，不同高密度区域被低密度区域分隔开，低密度区域形成任意形状的类）

基于网格的聚类

典型算法：STING算法、WAVE-CLUSTER算法、CLIQUE算法

基于模型的聚类

典型算法：高斯混合模型、SOM

文献学习(part23)--双向聚类方法综述
小山羊的学习日志
12-25 1992
学习笔记，仅供参考，有错必纠 文章目录双向聚类方法综述摘要引言双向聚类方法稀疏双向聚类谱双向聚类信息双向聚类 双向聚类方法综述 摘要 传统的聚类方法由于无法提取样本和变量间的局部对应关系，并且当数据具有高维性和稀疏性时表现不佳，因此学者们提出了双向聚类，基于样本和变量间的局部关系，同时对样本和变量进行聚类，形成一系列子矩阵的聚类结果。 近年来，双向聚类发展迅速，在基因分析、文本聚类、推荐系统等领域应用广泛。 首先，对双向聚类方法进行杭理与归纳，重点阐述稀疏双向聚类、谱双向聚类和信息双向聚类三类方法，
聚类算法理论
sinat_39027078的博客
10-19 1316
聚类是一种无监督学习算法，聚类的过程是一个见李假设的过程，使用聚类之后还需要总结每一类别的基本热证，从而更加清晰了解问题的实质。
Synthesis.rar_二维数据集_人工合成数据集_人工数据_人工数据集_合成数据集
07-15
用于聚类的人工合成数据集，都是二维的，便于可视化
面向地理大数据的新型密度山峰聚类算法（二）——各种聚类算法比较
万万VV
09-23 1432
整个研究分析的代码和文档我上传到GitHub上了：点击链接。 三、实验评估与分析 本节对新型密度聚类算法（Clustering by fast search and find of density peaks）的聚类效果及其在相应数据库的性能表现，并与常用的聚类算法K-Means[3]、DBSCAN[2]和谱聚类算法[6]进行了对比分析，所有算法均由Python实现。 1. 实...
python 密度聚类 使用_第十四章：利用Python实现DBSCAN与层次聚类分析
weixin_39775910的博客
11-22 560
免责声明：本文是通过网络收集并结合自身学习等途径合法获取，仅作为学习交流使用，其版权归出版社或者原创作者所有，并不对涉及的版权问题负责。若原创作者或者出版社认为侵权，请联系及时联系，我将立即删除文章，十分感谢！注：来源刘顺祥《从零开始学Python数据分析与挖掘》，版权归原作者或出版社所有，仅供学习使用，不用于商业用途，如有侵权请留言联系删除，感谢合作。14.1 密度聚类简介如前文所说，密度聚类...
风控模型中的五大类聚类算法介绍
未来金科学院
01-05 2121
关注“金科应用研院”，回复“优快云” 领取“风控资料合集” 聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。 聚类分析的一个重要用途就是针对目标群体进行多指标的群体划分。对目标群体的分类是为了精细化经营，个性化运营的基础和核心，只有进行了正确的分类，才可以有效进行个性化和精细化的运营，服务及产品支持等。 聚类分析的算法可以分为五类：划分方法、层次方法、基于密度方法、基于网格方法和基于模型方法。以下是常用聚类算法分类图： 一、划分法 原理：首先要确定一堆散点最后聚成几类，然后挑选
文本聚类算法简要
科大树蛙文本挖掘小组
10-15 1万+
文本聚类算法分析 1. 传统的文本聚类算法   传统的文本聚类算法分为以下几种 1.1 分割方法(partitioning methods) 1.1.1 K-MEANS算法： 工作原理： 首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象
论文研究-基于Vague集的模糊聚类方法.pdf
09-12
在分析文档中提出的基于Vague集的模糊聚类方法时，我们可以从以下几个方面进行知识点的梳理和总结： 首先，文档中提到的“单值数据转化为Vague值数据”的定义是该论文研究的核心概念。Vague集是由Gau和Buehrer于...
MATLAB实现路标识别提取：C-means与K-means聚类方法
接下来，我们详细梳理在路标识别与提取任务中，使用MATLAB语言结合聚类方法的关键知识点： 1. 数据准备与预处理：首先，需要收集大量的路标图像数据作为样本集，并对这些数据进行预处理。预处理可能包括图像裁剪、...
多维度社交网络舆情用户群体聚类分析方法研究.docx
06-26
通过对相关文献的梳理，以群体理论作为理论基础，从情感结构、权力结构和关系结构三个维度构建突发事件社交网络舆情用户群体聚类图谱，并对聚类后的群体情感结构、权力结构和关系结构进行可视化分析。 第四章 结果 ...
javashuffle源码-xcluster:极端聚类的算法和评估工具
06-04
java shuffle源码集群 xcluster包含极端集群，即，其中要聚集点的数量和集群的数量是很大的聚类算法的实例和评估工具。 最值得注意的是，xcluster 包含PERCH （集群层次结构的纯度增强旋转）的实现。 PERCH 是一种在线极限聚类算法，它增量地构建一棵树，其叶子上有数据点。 在数据点插入过程中，PERCH 执行旋转以保持树的准确性和尽可能平衡。 实证实验表明，PERCH 比其他算法更快地生成更纯的树； 理论分析表明，对于可分离的数据，无论数据的顺序如何，PERCH 都会构建具有完美树状图纯度的树。 该算法的技术细节和分析可以在我们的论文中找到： 设置 如果运行 python 代码，请下载并安装 Anaconda 的 Python3 https://docs.continuum.io/anaconda/install 如果运行python代码，安装numba conda install numba 设置环境变量： source bin/setup.sh 如果您还没有安装 maven，请安装它： ./bin/util/install_mvn.sh 构建 Scala
WAVE-CLUSTER算法原理及Python实践
最新发布
u013571432的博客
08-31 1550
WAVE-CLUSTER算法的优点在于它能够利用小波变换的多分辨率特性来捕获数据的不同层次的聚类结构。此外，该算法还具有一定的灵活性，可以通过调整小波变换的参数和聚类准则来适应不同的应用场景和数据特性。需要注意的是，WAVE-CLUSTER算法的性能和效果受到多种因素的影响，包括数据的分布特性、量化网格的密度、小波变换的参数设置以及聚类准则的选择等。在WAVE-CLUSTER中，通过小波变换将数据从原始的空间域转换到频域，以揭示数据的内在结构和聚类特征。小波变换后的数据在不同分辨率下表现出不同的特性。
WaveCluser小波聚类
u014744807的专栏
03-03 7762
刚开始了解小波聚类，看到一篇文章对其进行的概述觉得不错，引用一下： WaveCluster方法的主要思想是把多维数据看作一个多维信号来处理。它首先将数据空间划分成网格结构,然后通过小波变换将数据空间变换成频域空间,在频域空间通过与一个核函数作卷积后,数据的自然聚类属性就显现出来。WaveCiuster方法是一个多分辨率的算法,高分辨率可以获得细节的信息,低分辨率可以获得轮廓信息。方法的时间复杂度
【机器学习】——聚类算法小结
汤庆
06-20 4941
聚类算法小结 【聚类定义】 聚类定义: 聚类算法将一系列文档聚团成多个子集或簇（cluster），其目标是建立类内紧密、类间分散的多个簇。换句话说，聚类的结果要求簇内的文档之间要尽可能相似，而簇间的文档之间则要尽可能不相似。 聚类是无监督学习（unsupervisedlearning）的一种最普遍的形式。无监督也意味着不存在对文档进行类别标注的人类专家。聚类中，数据的分布和组成结构决定最后的...
SigClust计算聚类的显著性
lazysnake666的博客
03-27 979
评估聚类效果的指标非常多，甚至有工具包clusterCrit提供了多种内部和外部评价指标。外部指标：Czekanowski_Dice, Folkes_Mallows, Hubert, Jaccard, Kulczynski, McNemar, Phi, Precision, Rand, Recall, Rogers_Tanimoto, Russel_Rao, Sokal_Sneath1, Soka...
数据挖掘聚类算法
zhoubl668的专栏：远帆，梦之帆！
07-28 2万+
参考论文：数据挖掘中的聚类算法研究 焦守荣　            一般把学习算法分成有监督和无监督学习两种方式。主要区别是有没有类信息作为指导。聚类分析是典型的无监督学习算法，一般用于自动分类。         聚类分析是按照某个特定标准(通常是某种距离)把一个数据集分割成不同
白话空间统计十七：聚类和异常值分析（Anselin Local Moran's I）
热门推荐
09-15 4万+
前面我们聊的各种指数，无论是莫兰指数还是P值Z得分，都是整体数据的结论，也就是所谓“全局莫兰指数（Globe Moran's I）”，也就说，不管我给你多少数据，最后你就吐出一个来给我！这算神马！当然，从名字上来看，全局数据嘛，有一个给你就不错了。实际上作为我们玩GIS的人，最喜欢的就是出一张花花绿绿的地图，比如这样的： 或者是这样的：   所以我们更希望的是将我们输入的数据，标示出
聚类 - 4 - 层次聚类、密度聚类(DBSCAN算法、密度最大值聚类)
xueyingxue001的专栏
07-20 1万+
本总结是是个人为防止遗忘而作，不得转载和商用。   层次聚类：          层次聚类的思想有两种：凝聚的层次聚类、分裂的层次聚类。          以有A, B, C, D,E, F, G这7个样本为例。 凝聚的层次聚类 1，  将每个对象作为一个簇，这时就有7个簇。 2，  自底向上合并接近的簇，假设合并成了三个簇：AB，CDE，FG。 3，  重复第二步直到数量达到规定
[学习]探索推荐引擎内部的秘密，第 3 部分: 深入推荐引擎相关算法 - 聚类
wenlele的专栏
05-25 1401
赵 晨婷, 软件工程师, IBM 马 春娥, 软件工程师, IBM 简介： 智能推荐大都基于海量数据的计算和处理，然而我们发现在海量数据上高效的运行协同过滤算法以及其他推荐策略这样高复杂的算法是有很大的挑战的，在面对解决这个问题的过程中，大家提出了很多减少计算量的方法，而聚类无疑是其中最优的选择之一。 聚类 (Clustering) 是一个数据挖掘的经典问题，它的目的是将数据分为多个簇 (Cluster)，在同一个簇中的对象之间有较高的相似度，而不同簇的对象差别较大。聚类被广泛的应用于数据处理和统计分析
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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