聚类算法的应用.doc

《聚类算法的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、聚类算法的应用聚类主要应用于模式识别中的语音识别、字符识别等,机器学习中的聚类算法应用于图像分割和机器视觉,图像处理中聚类用于数据压缩和信息检索.聚类的另一个主要应用是数据挖掘(多关系数据挖掘)、时空数据库应用(GIS等)、序列和异类数据分析等，聚类分析对生物学、心理学、考古学、地质学、地理学以及市场营销等研究也都有重要作用。典型的聚类过程主要包括数据(或称之为样本或模式)准备、特征选择和特征提取、接近度计算、聚类(或分组)、对聚类结果进行有效性评估等步骤。聚类过程:1)数据准备:包括特征标准化和降维.2)特征选择:从最初的特征中选择最有效的特征

2、,并将其存储于向量中.3)特征提取:通过对所选择的特征进行转换形成新的突出特征.4)聚类(或分组):首先选择合适特征类型的某种距离函数(或构造新的距离函数)进行接近程度的度量;而后执行聚类或分组。5)聚类结果评估:是指对聚类结果进行评估.评估主要有3种:外部有效性评估、内部有效性评估和相关性测试评估。