当前位置:首页 > 芯闻号 > 充电吧
[导读]聚类clustering,无监督学习unsupervised learning分类也。 聚类有不少经典的方法,我们先从基本概念,本质属性开始讨论,慢慢把这些方法掌握,应用到实际问题中。1、基本概念。 

聚类clustering,无监督学习unsupervised learning分类也。 聚类有不少经典的方法,我们先从基本概念,本质属性开始讨论,慢慢把这些方法掌握,应用到实际问题中。

1、基本概念。

  既然要把给出的特征向量分成不同的类里,我们首先应该想到的是,什么是类(cluster或者group)? 在研究过程中大家不断的给出一些定义, 但是都比较模糊和宽泛,很难找到一个大家都容易接受的定义,最近的一个,差不多大家都比较认同的定义是这样描述的。

"continuous regions of this space containing a relatively high density of points, separated from other high density regions by regions of relatively low density of points"

this space 是指特征向量空间,每个特征向量被看成空间中的一个点。


什么是聚类呢? 

我们需要聚类的数据集是:X = {x_1, ..., x_N}, 表示有N个特征向量需要聚类。

定义X的m聚类,就是将X分成m组向量,每一组类用C表示,C_1, ..., C_m

其中 C_i != 空集; C的并是X; 任意两个类的交集是空集。在同一个类中的特征向量是相似的(similar),不同类中的特征向量不相似(dissimilar),量化这两个词有点困难,可能需要根据你的实际情况来定义相似性和不相似性。 

大约有三种不同的类别,如下图

图1, Compact Cluster

图 2, Elongated clusters


图3、 Spherical and ellipsoidal clusters

这三种不同的cluster类型,对相似度的量化有所差异。


前面描述的这种聚类方式一般称之为硬聚类(hard 或者 crisp)

还有一种方式是软聚类,就是说每个特征属于某个类有一个隶属度来表述它,比如x属于C_1的隶属度为0.2, 属于C_2的隶属度为0.8 ,对于两类的情况,这样是合理的。


2、 关于proximity measure

之前写这篇博文的时候,不想写这部分,现在觉得还是写写的好啊,保证知识的完整性,多多思考还是好的。

我们可以用 相似度(similarity)或不相似度(dissimilarity) 来量化两个特征向量、特征向量与一组特征向量以及两组特征向量之间的proximity。

多数人认为两个向量的proximity测度是最基础的,proximity就翻译成近邻吧。

什么是相似度?定义两个向量之间的相似度,它是一个函数,满足如下规则:

   * 相似度函数与特征向量的输入顺序无关。 s(v1, v2) = s(v2, v1)

   * 任意的同一个特征向量的相似度取得最大值。 s(v,v) 取得相似度函数的值域中的最大值。并且当且仅当输入向量相同的时候,才能取得这个最大值。

   * 还有一个不等式需要满足: s(x,y) s(y,z) <= [s(x,y)+s(y,z)]s(x,z), for all x,y,z in X


什么是不相似度? 也用函数定义,也满足一下规则:

   * 当且仅当两个输入向量相同时,不相似度函数取到最小值,就是说只有这个时候,两个向量才最不不相似,就是最相似。

   * 不相似度函数的值与输入顺序无关。

   * 满足三角不等式。 d(x,z) <= d(x,y) + d(y,z) , 对任意 x,y,z in X都成立。


常用的,或者现在大家用过的相似度与不相似度函数,大家可以参考 《Pattern Recognition》第四版 影印版 604页。

在书中根据特征向量的类型,分了几种情况。 向量的分量为可连续实数时、向量的分量为整数时、混合类型情况,还有模糊测度,数据缺失情况下的测度。


关于特征向量与一组特征向量之间的测度,可以由两个方向我们选择。一种是,集合中的每个向量都参与与给定的另一个向量之间测度,去个最大的或者最小的,等等。

一种是找一个类的代表,用给定的向量与这个代表之间做测量,来表示类与给定向量之间的近邻测度。


相似的,两组特征向量之间也可以采用这两个方向。 


这就给了我们一些选择的余地,根据我们的需要作出相应的认为选择。


对某个类选一个代表出来也是可以研究下的,不过现在能想到的,大家都差不多想到了,我们只有在实际用的时候给出一个合适的测度,来对我们后面个聚类工作更适合就好了。


向compact类型的类,我们可以考虑均值矢量,均值中心,中值中心等。 像线性或者其它形状的类,我们也许可以找一些跟形状类似的代表。





本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

9月2日消息,不造车的华为或将催生出更大的独角兽公司,随着阿维塔和赛力斯的入局,华为引望愈发显得引人瞩目。

关键字: 阿维塔 塞力斯 华为

加利福尼亚州圣克拉拉县2024年8月30日 /美通社/ -- 数字化转型技术解决方案公司Trianz今天宣布,该公司与Amazon Web Services (AWS)签订了...

关键字: AWS AN BSP 数字化

伦敦2024年8月29日 /美通社/ -- 英国汽车技术公司SODA.Auto推出其旗舰产品SODA V,这是全球首款涵盖汽车工程师从创意到认证的所有需求的工具,可用于创建软件定义汽车。 SODA V工具的开发耗时1.5...

关键字: 汽车 人工智能 智能驱动 BSP

北京2024年8月28日 /美通社/ -- 越来越多用户希望企业业务能7×24不间断运行,同时企业却面临越来越多业务中断的风险,如企业系统复杂性的增加,频繁的功能更新和发布等。如何确保业务连续性,提升韧性,成...

关键字: 亚马逊 解密 控制平面 BSP

8月30日消息,据媒体报道,腾讯和网易近期正在缩减他们对日本游戏市场的投资。

关键字: 腾讯 编码器 CPU

8月28日消息,今天上午,2024中国国际大数据产业博览会开幕式在贵阳举行,华为董事、质量流程IT总裁陶景文发表了演讲。

关键字: 华为 12nm EDA 半导体

8月28日消息,在2024中国国际大数据产业博览会上,华为常务董事、华为云CEO张平安发表演讲称,数字世界的话语权最终是由生态的繁荣决定的。

关键字: 华为 12nm 手机 卫星通信

要点: 有效应对环境变化,经营业绩稳中有升 落实提质增效举措,毛利润率延续升势 战略布局成效显著,战新业务引领增长 以科技创新为引领,提升企业核心竞争力 坚持高质量发展策略,塑强核心竞争优势...

关键字: 通信 BSP 电信运营商 数字经济

北京2024年8月27日 /美通社/ -- 8月21日,由中央广播电视总台与中国电影电视技术学会联合牵头组建的NVI技术创新联盟在BIRTV2024超高清全产业链发展研讨会上宣布正式成立。 活动现场 NVI技术创新联...

关键字: VI 传输协议 音频 BSP

北京2024年8月27日 /美通社/ -- 在8月23日举办的2024年长三角生态绿色一体化发展示范区联合招商会上,软通动力信息技术(集团)股份有限公司(以下简称"软通动力")与长三角投资(上海)有限...

关键字: BSP 信息技术
关闭
关闭