em算法与k-means算法比较

em算法与k-means算法比较

ID:5418027

大小:295.11 KB

页数:4页

时间:2017-12-10

em算法与k-means算法比较_第1页
em算法与k-means算法比较_第2页
em算法与k-means算法比较_第3页
em算法与k-means算法比较_第4页
资源描述:

《em算法与k-means算法比较》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、万方数据2007年第9期计算机与现代化JISUANJIYUXIANDAIHUA总第145期文章编号:】006-2475(2007)09.0012_03EM算法与K。Means算法比较黄颖,李伟(江西理工大学信息工程学院.江西赣州341000)摘要:聚类是广泛应用的基本数据挖掘方法之一.它按照数据的相似性和差异性特数据分为若干簇,并使得同簇的尽量相似,不同蔟的尽量相异。目前存在大量的聚类算法.本文但考察了划分方法中的两个常用算法:EM算法和K-MearIs算法,并重点剖析了EM算珐.对实验结果进行了分析。最后对算法进行了总结与讨论。关键词:最类;K—Me

2、鲫s算法;EM算法中图分类号:仰3016文献标识码:AComparisonofEMandK-Mea啮Algoritl腑sHUANGYing,UWei(Facuhyof111⋯natmE“91眦e矗“g,Jia。嶝iuniversi‘yofscience阴dTechnology,Ganzllou341000,china)Abst强ct:Clustedng拓0neofb蚰icdataminingf0邢3,ildjvidesdatatoma“ycIu肚ersacc甜di工lgtotIlesiIIlil面可肌ddis8imil“-tybe¨een暗佗data.

3、AI以theda吨inoneclu咖a工emo她siⅡm吐山an口山e毋.1herearem8卿clu卧e五“gdg瞄山瑚,恤epa”oIllyintroduc朗twDcoInmonclusted“gB190血hm8:EMalgo订thmandK-Mean8algodthm,emph艚izesEMa190dtIIln,arId8tlast,discussesthe耽81lltofthealgodthⅡ1anddrBwsaconclusion.Keyword5:cluste^”g:K-Meansalgod【llm;EMalgodthmO引言聚类(clus

4、tering)是数据挖掘最常用的方法之一,它是计算机对数据进行自动组织的方法。它按照数据的相似性和差异性将数据分为若干组,并使得同组的尽量相似,不同组的尽量相异。聚类是一种无监督学习,完全南计算机自动进行而不需要人工干预。目前存在大量的聚类算法。算法的选择取决于数据的类型、聚类的目的和应用。,大体上,主要的聚类算法可以划分为如下几类:划分方法(panitioningmethod)、层次的方法Lhierarchicalmechod)、基于密度的方法(density-b*edmetllod)、基于网格的方法(酣d-basedmet}Iod)和基于模型的方法

5、(model-basedmethod)。本文考察了划分方法中的两个常用算法:K—Mean8算法和EM算法。lK-Means算法K-Means算法是最著名与最常用的划分方法。K—Means以k为参数,把n个对象分为k个簇,以使簇内具有较高的相似度,而簇间的相似度较低。相似度的计算根据一个簇中对象的平均值(被看作簇的重心)来进行。K—Means算法的处理流程如下。首先,随机地选择k个对象,每个对象初始地代表了一个簇的平均值或中心。对剩余的每个对象,根据其与各个簇中心的距离,把它赋给最近的簇。然后重新计算每个簇的平均值。这个过程不断重复,直到准则函数收敛。通

6、常,采用平方误差准则,其定义如下:E=∑;。l∑Ⅲ。Ip—m。I2这里的E是数据库中所有对象的平方误差的总和,p是空间中的点,表示给定的数据对象,m是簇c.的平均值(p和m;都是多维的)。这个准则试图使生成的结果簇尽可能地紧凑和独立。这个算法尝试找出使平方误差函数值最小的k个划分。当结果簇是密集的,而簇与簇之间的区别明显时.它的效果好。对处理大数据集,该算法是相对可伸缩和高效率的,因为它的复杂度是0(nkt),其中,n是所有对象的数目,k是簇的数目,t是迭代的收稿日期:2006.09.04作者简介:黄颖(1981一).女.江西万载人,江西理工大学信息工

7、程学院硕士研究生,研究方向:数据仓库与数据挖掘;李伟(1980.),男,江西赣州人,讲师,硕士研究生,研究方向:遗传算法,演化硬件。万方数据2007年第9期黄颖等:EM算法与K-Me蚰s算法比较13次数。通常地,k<

8、实吐界很多数据是不完整的,即数据存在残缺问题。例如数据集中缺少一些变量.更一般的情况是,任何含

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。