PD病症的综述课件.pptVIP

2.3 基于试探的聚类有哪些信誉好的足球投注网站算法 2.3.1 按最近邻规则的简单试探法 算法: 给定N个分类的模式样本{x1,x2,…,xN},要求按距离阈值T，将它们分到聚类中心z1,z2,…。 第一步：任取一样本x1作为一个聚焦中心的初始值，令z1=x1,计算D21=||x2-z1||,若D21T,则确定一个新的聚类中心z2=x2;否则x2属于以z1为中心的聚类。 第二步：假设已有聚类中心z1,z2,计算D31=||x3-z1||,D32=||x3-z2||,若 D31T且D32T,则得一个新的聚类中心z3=x3,否则x3属于离z1和z2中的最近者。 …… 如此重复下去，直至将N个模式样本分类完毕。 2.3 基于试探的聚类有哪些信誉好的足球投注网站算法 2.3.1 按最近邻规则的简单试探法 讨论 在实际中，对于高维模式样本很难获得准确的先验知识，因此只能选用不同的阈值和起始点来试探，所以这种方法在很大程度上依赖于以下因素： 第一个聚类中心的位置 待分类模式样本的排列次序 距离阈值T的大小 样本分布的几何性质 2.3 基于试探的聚类有哪些信誉好的足球投注网站算法 2.3.1 按最近邻规则的简单试探法 讨论 距离阈值T对聚类结果的影响 2.3 基于试探的聚类有哪些信誉好的足球投注网站算法 2.3.2 最大最小距离算法 基本思想：以试探类间欧氏距离为最大作为预选出聚类中心的条件。 2.3 基于试探的聚类有哪些信誉好的足球投注网站算法 2.3.2 最大最小距离算法 算法（实例）： 有10个模式识别样本点： 第一步：任选一个模式样本点作 为第一聚类中心，如z1=x1. 第二步：选距离z1最远的点作为 下一个聚类中心。经计算， ||x6-z1||最大，所以z2=x6。 第三步：逐个计算各模式样本{ xi,i=1,2,…,N}与{z1,z2}之间的 距离，即Di1=||xi-z1||,Di2=||xi-z2|| 并选出其中最小的距离min(Di1,Di2),i=1,2,…,N 2.3 基于试探的聚类有哪些信誉好的足球投注网站算法 第四步：在所有模式样本最小值中选出最大距离，若该最大值达到||z1-z2||的一定比例以上，则相应的基本点取为第三个聚类中心z3,即 若max{min(Di1,Di2),i=1,2,…,N}θ||z1-z2||,则z3=xr,否则，若找不到适合要求的样本作为新的聚类中心，则找聚类中心的过程结束这里， θ可用试探法取一固定分数，如1/2。 在此例中，当k=7时，符合上述条件，故z3=x7。 第五步：若有z3存在，则计算max{min(Di1,Di2),i=1,2,…,N}.若该值超过||z1-z2||的一定比例，则存在z4,否则找聚类中心的过程结束。在此例中，无z4满足条件。 第六步：将模式样本{xi,i=1,2,…,N}按最近距离分到最近的聚类中心。 最后，还可以在每一类中计算各样本的均值得到更具代表性的聚类中心。 2.4 系统聚类法 基本思想 将模式样本按距离准则逐步分类，类别由多到少，直到获得合适的分类要求为止。 2.4 系统聚类法 算法： 第一步：设初始模式样本共有N个，每个样本自成一类，即建立N类，G(0)1,G(0)2,…,G(0)N,计算各类间的距离。得到一个N*N维的距离矩阵D(0).这里，标号（0）表示聚类开始运算前的状态。 第二步:假设千亿布局类运算中已求得距离矩阵D(n),n为逐次聚类合并的次数，则求D(n)中的最小元素。如果他是G(n)i和G(n)j两类之间的距离，则将G(n)i和G(n)j两类合并为一类G(n+1)m,由此建立新的分类：G(n+1)1,G(n+1)2,… 第三步：计算合并后新类别之间的距离，得D(n+1),计算G(n+1)m与其它没有发生合并的G(n+1)1,G(n+1)2,…之间的距离，可采用多种不同的距离计算准则进行计算。 第四步：返回第二步，重复计算及合并，直到满意的分类效果（如达到所需的聚类数目或D(n)中最小分量超过给定阈值）。 2.4 系统聚类法 距离准则函数 进行聚类合并的一个关键就是每次迭代中形成的聚类之间以及它们和样本之间距离的计算，采用不同的距离函数会得到不同的计算结果。主要的距离计算准则： 最短距离法 最长距离法 中间距离法 重心法 类平均距离法 2.4 系统聚类法 最短距离法： 设H和K是两个聚类，则两类间的最短距离定义为： DH,K=min{du,v}, 其中，du,v表示H类中的样本xu和K类中的样本xv之间的距离。DH,K表示H类中的所有样本和K类中所有样本的最小距离。 递推运算： 假设K类是由I和J两类合并而成，则 DH,J=min{dm,n}, DH,J=min{dm,n}, 2.4 系统聚类法 [举例] 设有6个五维模式样本如下，按最小距离准则进行聚类分析： x1: 0, 3, 1, 2, 0 x2: 1,