《数据仓库与数据挖掘技术第九章聚类分析》由会员分享，可在线阅读，更多相关《数据仓库与数据挖掘技术第九章聚类分析（10页珍藏版）》请在金锄头文库上搜索。
1、数据仓库与数据挖掘技术第9章 聚类分析9.1聚类概述 9.1.1聚类简介9.1.2聚类的定义9.1.3聚类的要求1. 可伸缩性2. 处理不同类型属性的能力3. 发现任意形状的聚类4. 使输入参数的领域知识最小化5. 处理噪声数据的能力6. 对于输入记录的顺序不敏感9.2聚类分析中的相异度计算9.2.1聚类算法中的数据结构1. 数据矩阵(或对象与变量结构)2. 相异度矩阵(或对象-对象结构)9.2.2区间标度变量及其相异度计算1. 区间标度变量2. 相异度计算9.2.3二元变量及其相异度计算1. 二元变量2. 相异度计算9.2.4标称型变量及其相异度计算1. 标称型变量2. 相异度计算9.2.5
2、序数型变量及其相异度计算1. 序数型变量2. 相异度计算9.2.6比例标度型变量及其相异度计算1. 比例标度型变量2. 相异度计算9.2.7混合类型变量的相异度计算9.3基于划分的聚类方法9.3.1k-平均算法9.3.2k-中心点算法9.4基于层次的聚类方法1. 凝聚的方法2. 分裂的方法图9-1在数据集a,b,c,d,e上的凝聚和分裂层次聚类9.5谱聚类方法9.5.1谱聚类的步骤9.5.2谱聚类的优点9.5.3谱聚类实例9.6利用SQL Server 2005进行聚类分析9.6.1挖掘流程图9-2选择数据挖掘技术图9-3选择数据源视图图9-4指定表类型9.6.2结果分析图9-5指定定型数据图
3、9-6指定列的内容和数据类型图9-7完成数据挖掘结构的创建图9-8分类剖面图图9-9分类关系图图9-10分类特征图9-11分类对比图9-12提升图图9-13分类矩阵图习题91. 简单地描述如何计算由如下类型的变量描述的对象间的相异度：(a) 数值(区间标度)变量(b) 非对称的二元变量(c) 分类变量(d) 比例标度变量(e) 非数值向量对象2. 假设数据挖掘的任务是将如下8个点聚类为3个簇: A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C3(4,9),距离函数是欧几里得距离。假设初始选择A1,B1,C1分别为每个聚类的中心，用k-平均算法来给出: (1) 在第一次循环执行后的三个聚类中心。(2) 最后的三个簇。3. k均值和k中心点算法都可以进行有效的聚类。概述k均值和k中心点算法的优缺点。并概述这两种方法与层次聚类方法（如AGNES）相比有何优缺点。
