聚类算法归纳与整理>_<

聚类算法整理

  • 介绍
  • 相似性度量
    • 常见的相似性度量算法
  • 聚类算法的分类
    • 传统聚类
      • 划分聚类
        • K-Means:
        • 混合密度聚类:
        • 图聚类:
        • 模糊聚类:
        • 基于密度的划分聚类:
      • 层次聚类
    • 智能聚类
      • 人工神经网络聚类
      • 核聚类

介绍

由于课题研究需要聚类算法,故将看过的论文整理后发布在博客中,方便后续查看。
聚类的目的达到类内的相似性与类间的排他性,也就是说具有相似特性的对象放到一起。

一般而言,聚类指将没有分类标签的数据集,分为若干个簇的过程,是一种无监督的分类方法。实际上,很难对聚类下一个明确的定义,因为聚类分析本身是一种建立在主观判断基础上的相对行之有效的方法。

相似性度量

聚类分析是将数据集的相似性样本归为若干类的方法,因此,如何度量样

你可能感兴趣的:(聚类,机器学习,算法)