数据仓库与数据挖掘技术 第九章 聚类分析Word下载.docx

数据仓库与数据挖掘技术 第九章 聚类分析Word下载.docx

《数据仓库与数据挖掘技术 第九章 聚类分析Word下载.docx》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Word下载.docx（9页珍藏版）》请在冰豆网上搜索。

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

9.2.4标称型变量及其相异度计算

1.标称型变量

9.2.5序数型变量及其相异度计算

1.序数型变量

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

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SQLServer2005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9

1.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。