K-mean算法详解.ppt

K-means算法;主要内容;K-means算法概述;聚类与分类的区别;欧氏距离; 平均误差准则函数;K-means算法过程;O;对于 ： 因为 所以将 分配给 对于 ： 因为 所以将 分配给 更新，得到新簇 和 计算平方误差准则，单个方差为 ;;K-means算法的优点分析;在簇的平均值被定义的情况下才能使用，这对于处理符号属性的数据不适用。 必须事先给出k（要生成的簇的数目），而且对初值敏感，对于不同的初始值，可能会导致不同结果。经常发生得到次优划分的情况。解决方法是多次尝试不同的初始值。 它对于“躁声”和孤立点数据是敏感的，少量的该类数据能够对平均值产生极大的影响。 ;K-means 算法属于聚类分析方法中一种基本的且应用最广泛的划分算法； 它是一种已知聚类类别数的聚类算法。指定类别数为K，对样本集合进行聚类，聚类的结果由K 个聚类中心来表达； 基于给定的聚类目标函数（或者说是聚类效果判别准则），算法采用迭代更新的方法，每一次迭代过程都是向目标函数值减小的方向进行，最终的聚类结果使目标函数值取得极小值，达到较优的聚类效果。 使用平均误差准则函数E作为聚类结果好坏的衡量标准之一，保证了算法运行结果的可靠性和有效性。; 谢谢观看！