第5章动态聚类法三
聚类结果的评价
常见的几个评价指标
(1)聚类中心之间的距离
同一类样本相聚比较密集,,说明两类靠得太紧,有可能合并第5章动态聚类法三
聚类结果的评价
常见的几个评价指标
(1)聚类中心之间的距离
同一类样本相聚比较密集,,说明两类靠得太紧,有可能合并.
(2)诸聚类域中的样本数目
如果样本的抽取比较合理,,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)
(3) 诸聚类域内样本距离的标准差向量
.
: 在一个聚类域内,距离聚类中心最远与最近的样本位置等.
考试重点
模式识别的基本概念
模式识别系统
最小错误率贝叶斯分类器
最小风险贝叶斯分类器
线性判别分类器的设计步骤
广义线性分类器(非线性→线性)
感知器准则函数及迭代解
最小均方误差准则与伪拟解
Fisher判别分类的思想、原则及准则函数
特征提取、特征选择的概念
欧氏距离、马氏距离
基于类内散布矩阵的单类模式特征提取
聚类的概念与理解
监督分类、无监督分类
聚类与分类
基于距离阈值、函数准则的聚类
近邻聚类法
最大最小距离算法
层次聚类法
动态聚类法:K-均值聚类算法
Thank You !
第5章动态聚类法三 来自淘豆网www.taodocs.com转载请标明出处.