文档介绍：该【变色龙算法 】是由【海洋里徜徉知识】上传分享，文档一共【32】页，该文档可以免费在线阅读，需要了解更多关于【变色龙算法 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。变色龙算法
第1页，共32页。
变色龙算法
——利用动态模型的层次聚类算法
YOUR SITE HERE
第2页，共32页。
Contents
1. 聚类的概念
2. 现有的聚类算法
3. CHAMELEON算法
4. 实验结果
YOUR SITE HERE
第3页，共32页。
聚类的概念
将数据对象划分为若干类，同一类的对象具有较高的相似度，不同类的对象相似度较低。
在机器学习中，聚类是一种无指导学习，是在预先不知道欲划分类的情况下，根据信息相似度原则进行信息聚类的一种方法。
YOUR SITE HERE
第4页，共32页。
1、K-means
2、PAM
3、CLARANS
4、DBSCAN
5、CURE
6、ROCK
现有的聚类算法
Sub Title
Sub Title
YOUR SITE HERE
第5页，共32页。
K-means算法
1、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；
2、对剩余的每个对象，根据其与各簇中心的距离，将它赋给最近的簇；
3、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。
YOUR SITE HERE
第6页，共32页。
PAM算法
1、选取若干点作为初始簇心，并将剩余的点分配到最近的簇；
2、依次循环将非簇心的点假设为簇心，替换现有的一个，计算更改前后的耗费差距；
3、选择最小的最为新的簇心；
4、若簇心的位置没有改变，则停止。
YOUR SITE HERE
第7页，共32页。
CLARANS算法
随机选择一个点作为当前点；
随机检查它周围不超过参数Maxneighbor 个的一些邻接点，假如找到一个比它更好的邻接点，则把它移入该邻接点，否则把该点作为局部最小量；
再随机选择一个点来寻找另一个局部最小量，直至所找到的局部最小量数目达到用户要求为止。
YOUR SITE HERE
第8页，共32页。
DBSCAN算法
基于密度的聚类算法。该算法利用类的密度连通性可以快速发现任意形状的类。
其基本思想是：对于一个类中的每个对象，在其给定半径的 领域中包含的对象不能少于某一给定的最小数目。
YOUR SITE HERE
第9页，共32页。
CURE算法
先把每个数据点看成一类，然后合并距离最近的类直至类个数为所要求的个数为止。
YOUR SITE HERE
第10页，共32页。