第五章：聚类分析 《数据挖掘与相关知识发现》 .pptVIP

第五章：聚类分析;聚类（Clustering）;第五章：聚类分析;聚类分析简介 ;聚类分析简介 ;聚类算法特性;第五章：聚类分析;;数据矩阵（Data Matrix） ;相异度矩阵（Dissimilarity Matrix） ;对象间距离的计算;第五章：聚类分析;划分方法简介;k-均值算法 ;k-均值算法 ;k-均值方法的扩展;k-中心点算法 ;k-中心点算法的处理过程 ;k-中心点算法 ;k-中心点算法的改进;EM算法 ;EM算法（续）;EM算法（续）;EM算法（续）;EM算法（续）;EM算法（续）;EM算法（续）;第五章：聚类分析;层次聚类;凝聚的和分裂的层次聚类 ;距离度量;凝聚的和分裂的层次聚类 ;层次聚类方法的优缺点;BIRCH算法 ;CURE算法 ;Chameleon算法 ;Chameleon算法（续）;Chameleon算法（续）;第五章：聚类分析;基于密度的方法简介;DBSCAN算法 ;直接密度可达;密度可达 ;密度相连;基于密度的簇;噪声 ;簇的发现;算法的正确性 ;DBSCAN算法;DBSCAN算法的优缺点;OPTICS算法 ;DENCLUE算法 ;第五章??聚类分析;基于网格的方法简介;STING算法;WaveCluster算法 ;WaveCluster聚类算法 ;WaveCluster的优点;第五章：聚类分析;基于模型的聚类方法简介;COBWEB;CLASSIT ;AutoClass;神经网络聚类方法 ;第五章：聚类分析;孤立点 ;孤立点探测方法;第五章：聚类分析;本章小结