
聚类算法
susht
Dare To Be Yourself
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
聚类算法(1) ---- K-Means
K-Means不断地取离种子点最近均值,将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。 算法流程: (1)初始化选择K个点作为K个聚类样本中心 (2)迭代:计算每个样本点到中心点的距离,根据距离判断每个样本点所属类别; 各聚类根据属于自己这一类的样本点的均值更新聚类中心 (3)直到每个样本点所属类别不再变化原创 2016-05-19 20:31:55 · 1081 阅读 · 0 评论 -
聚类算法(2) ---- DBSCAN
引入圆,给定半径,与数据点阀值。 核心点:以自身为圆心作圆,圆形包含的点数超过阈值的就是核心点 边界点:以自身为圆心作圆,圆形包含的点数没有超过阈值,但是包含了核心点 噪声点:以自身为圆心作圆,圆形包含的点数没有超过阈值,而且没有包含核心点 算法流程: 1、找到所有核心点 2、找到所有边界点和噪声点 3、将距离在给定半径下的核心点中间连一条线 4、每组连通的核心点形成一个聚原创 2016-05-19 20:43:43 · 926 阅读 · 0 评论