资源描述：
《数学应用模型：聚类分析—K均值算法ppt课件.ppt》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、聚类分析—K均值算法聚类分析是一种重要的人类活动，通过自动聚类能够识别对象空间中稠密和稀疏区域，从而发现全局分布模式和数据属性之间有趣的相关。目前已应用于许多方面：数据挖掘和市场研究、模式识别、数据分析和图像处理．聚类是将一批数据依据它们的相似特征归类，使人们能够对数据进行概括性的理解。簇是数据对象的集合，这些对象与同一个簇中的对象彼此相识，而与其他簇中对象相异。一个数据对象簇可以看做一个组，因此可以看做一种数据压缩形式聚类算法分类:划分方法：K均值和K中心方法层次方法基于密度的方法基于网络的方法其中的k均值聚类算法是最流行和最受关注的一种聚类分析
2、算法．K均值过程概述：1.K均值算法：已K为输入参数，把n个对象的集合分为K个簇，使得结果簇内的相似度高，而簇间的相似度低。簇的相似度是关于簇中对象的均值度量，可以看做簇的质心或重心。2.K均值输入：K：簇的数目D:包含n个对象的数据集。3.K均值输出：k个簇的集合。4.K均值方法从D中任意选择k个对象作为初始簇中心；repeat根据簇中对象的均值，将每个对象再指派到最相似的簇；更新簇均值，即计算每个簇中对象的均值；until不再发生变化例题：假设有一个对象集合，分布在图a矩形所表示空间中。令k=3，即用户要求将这些对象划分成三簇。首先任意选择三个
3、对象作为三个初始的簇中心用“”来标注。根据对象与簇中心的距离，每个对象分布于最近的簇，这种分布形成图a中点划线所描绘的轮廓。图a下一步，更新簇中心。也就是说，根据簇中的当前对象，重新计算每个簇的均值。使用这些新的簇的中心，将对象重新分布到簇中心最近的簇中，这样的重新分布形成了图b中虚线所描绘的新轮廓。图b以上过程的迭代，导致图c的情况。即把对象重新分配到各个簇以改进划分结果的过程称迭代重定位。最终，簇中对象的重新分布不再发生，处理过程结束，聚类过程返回结果簇。图c第1个聚簇为：X9#105,X9#1078,X9#1081,X9#1082,X9#10
4、88,X9#1090,X9#110,X9#1110,X9#113,X9#1132,X9#1133,X9#1136,X9#114,X9#1154,X9#1191,X9#1197,X9#1213,X9#1229,X9#1230,X9#1231,X9#1234,X9#1236,X9#1241,X9#1242,X9#1243,X9#1246,X9#1249,X9#1251,X9#1252,X9#1253,X9#1256,X9#1273,X9#1280,X9#1282,X9#1283,X9#1284,X9#1287,X9#1288,X9#1290,X9#12
5、91,X9#1295,X9#1297,X9#1300,X9#1316,X9#132,X9#133,X9#1348,X9#1350,X9#1352,X9#1353,X9#1354,X9#1355,X9#1356,X9#1358,X9#1359,X9#1360,X9#138,X9#1387,X9#1389,X9#1390,X9#1391,X9#1392,X9#1417,X9#144,X9#1463,X9#1465,X9#1466,X9#147,第2个聚簇为：X9#1058,X9#1089,X9#1105,X9#1114,X9#1144,X9#1146,
6、X9#1147,X9#1152,X9#1156,X9#1244,X9#1272,X9#1275,X9#1285,X9#1289,X9#1315,X9#1328,X9#136,X9#146,X9#1460,X9#1467,X9#358,X9#407,X9#465,X9#466,X9#483,X9#489,X9#490,X9#496,X9#501,X9#512,X9#516,X9#518,X9#61,X9#652,X9#70,X9#71,X9#764,X9#767,X9#78,X9#88,X9#93,第3个聚簇为：X9#1061,X9#1062,X9#
7、1069,X9#1070,X9#1071,X9#1076,X9#1077,X9#1093,X9#1096,X9#1113,X9#1127,X9#1138,X9#1150,X9#1160,X9#1161,X9#1162,X9#1165,X9#1203,X9#1228,X9#1232,X9#1235,X9#1240,X9#1247,X9#1254,X9#1258,X9#1259,X9#1260,X9#1262,X9#1263,X9#1264,X9#1266,X9#1267,X9#1269,X9#127,X9#1303,X9#1304,X9#1309,X
8、9#1310,X9#1312,X9#1317,X9#1386,X9#1388,X9#1393,X9#1461,X9#146
