动态聚类法模式识别精选PPT.ppt

《动态聚类法模式识别精选PPT.ppt》由会员分享，可在线阅读，更多相关《动态聚类法模式识别精选PPT.ppt（20页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、动态聚类法模式识别第1页，此课件共20页哦K-均值聚类n又称为C-均值聚类,是根据函数准则进行分类的聚类算法,使聚类准则函数最小化.第2页，此课件共20页哦准则函数第3页，此课件共20页哦K-均值算法的聚类准则第4页，此课件共20页哦算法描述设共有N个模式样本,计算步骤如下:第5页，此课件共20页哦第6页，此课件共20页哦算法讨论nK-均值算法受以下几个因素的影响n(1)指定聚类中心的个数是否符合模式的实际分布;n(2)所选聚类中心的初始位置;n(3)样本分布的几何性质;n(4)样本的读入次序.试探第7页，此课件共20页哦聚类结果的评价n常见的几个评价指标 (1)聚类中心之间的距离 同一类样本

2、相聚比较密集,不同类样本相距较远.聚类中心之间的距离通常总大于各类样本的类内平均距离.类间距离太小,说明两类靠得太紧,有可能合并.第8页，此课件共20页哦(2)诸聚类域中的样本数目 如果样本的抽取比较合理,通常各类的样本数相差不大.因此聚类结果中,若某一类的样本数较其它类的样本数明显多得多,该类有可能是几类样本的集合.综合考虑(1)、(2)第9页，此课件共20页哦(3)诸聚类域内样本距离的标准差向量 聚类域内样本与聚类中心对应分量差的平方和的平均值叫方差.方差的算术平方根叫做标准差.第10页，此课件共20页哦n此外还可以用其它距离度量之分析模式样本的聚类性质.例如:在一个聚类域内,距离聚类中心

3、最远与最近的样本位置等.第11页，此课件共20页哦第12页，此课件共20页哦第13页，此课件共20页哦第14页，此课件共20页哦第15页，此课件共20页哦第16页，此课件共20页哦第17页，此课件共20页哦考试重点n模式识别的基本概念n模式识别系统n最小错误率贝叶斯分类器n最小风险贝叶斯分类器n线性判别分类器的设计步骤n广义线性分类器(非线性线性)n感知器准则函数及迭代解n最小均方误差准则与伪拟解nFisher判别分类的思想、原则及准则函数n特征提取、特征选择的概念n欧氏距离、马氏距离第18页，此课件共20页哦n基于类内散布矩阵的单类模式特征提取n聚类的概念与理解n监督分类、无监督分类n聚类与分类n基于距离阈值、函数准则的聚类n近邻聚类法n最大最小距离算法n层次聚类法n动态聚类法：K-均值聚类算法第19页，此课件共20页哦考试题型n第一题 概念题（2个小题）10分n第二题 简答题（3个小题）30分n第三题 计算题（4个小题）50分n第四题 综合应用题 10分第20页，此课件共20页哦