z1

聚类 ：就是将一个对象的集合分成几个簇，每个簇之间的对象不相似，但是簇内对象相似。可以认为是“物以类聚”。 从这个简单的描述中，可以看出聚类的 关键是如何度量对象间的相似性。较为常见的用于度量对象的相似度的方法有距离、密度等。 1.分层次聚类法 思路：寻找距离最近的两个样本进行结合。 （1）有N个样本集Z n {Z 1 ，Z 2 ......Z N } (2)聚成K类（事先定好K） [1] k=1, Ci={Zi}, i=1,2,...,N [2] if k=K then END [3] 找到Ci与Cj之间的距离d(Ci, Cj)最小的一对 [4] Ci和Cj合成一个类Ci, 并计算新的Ci的中心 [5] 去除Cj, k=k-1. goto [2] 2.最简单的聚类 相似性尺度（距离）阈值，不需要事先给定K。 有N个样本，Zs={Z1, Z2, ..., ZN} 给定一个阈值T。 任取一个样本，例如Z1，把Z1作为第一个类的中心，Z1=Z1 然后依次取Zi（i=2,3,...,N），计算Z1与Zi的距离D1i 若D1i≤T，则判定 Zi属于 Z1为中心的那个类； 若D1i>T，则把 Zi作为新的类中心 Z2。 然后对剩下的样本 Zi分别计算与 Z1，Z2的距离D1i，D2i 若其中较小者≤T，则判定 Zi属于较小的那一类 否则，就把 Zi作为新的一个类的中心 Z3 如此，继续...