学科分类 - 《中国大百科全书》第三版网络版

高级搜索

个人中心
机构中心
退出

专业板块专题板块大众板块

首页 . 理学 . 计算机科学技术

聚类分析/ cluster analysis // cluster analysis /

典型的无监督学习方式。其要求在对象没有作标定的情形下，将有限集合中的对象划分成c个非空子集，使得类内的对象相似，类间的对象不相似。聚类的目的是把相似的样本归为一类，不相似的样本归为不同的类。

划分聚类/ partition clustering /partition clustering
聚类分析
聚类分析中最常见的一类算法，这类算法的主要特点是根据某一目标函数将数据集划分成若干个类。
密度聚类/ density clustering /density clustering
聚类分析
聚类分析中一种强大的聚类方法。其通常可发现任意形状、大小不一的类，且不需用户指定聚类个数。
原型聚类/ prototype clustering /prototype clustering
聚类分析
在聚类分析中，“原型”是指数据集中的一个实际或虚拟的对象，其可以充当该数据集中某一类成员的代表。
有效性指标/ validity index /validity index
聚类分析
聚类有效性分析过程中使用的评价指标，用于定量地对聚类结果进行评价。
高斯混合/ Gaussian mixture /Gaussian mixture
聚类分析
单一高斯概率密度函数的延伸，是用多个高斯概率密度函数（正态分布曲线）精确地量化变量分布，是将变量分布分解为若干基于高斯概率密度函数（正态分布曲线）分布的统计模型。
矢量量化/ vector quantization /vector quantization
聚类分析
20世纪70年代后期发展起来的一种数据压缩技术。其基本思想是将若干个标量数据组构成一个矢量，然后在矢量空间给以整体量化，从而压缩了数据而不损失多少信息。
非度量距离/ non-metric distance /non-metric distance
聚类分析
给定数据集，对于任意的对象和，如果它们之间的度量满足下面4个条件：①非负性：对于任意两个对象和，有；②自反性：当，有；③对称性：对于任意两个对象和，有；④三角不等式：对于任意三个对象，和，有：。则称为度量距离（metric distance），不满足以上部分条件的被统称为非度量距离（non-metric distance）。
k均值聚类/ k-means clustering /k-means clustering
聚类分析
聚类分析中经典且流行、简单且高效的算法之一，由麦奎因（MacQueen）于1967年提出。

聚类分析/ cluster analysis // cluster analysis /

划分聚类/ partition clustering /partition clustering

密度聚类/ density clustering /density clustering

原型聚类/ prototype clustering /prototype clustering

有效性指标/ validity index /validity index

高斯混合/ Gaussian mixture /Gaussian mixture

矢量量化/ vector quantization /vector quantization

非度量距离/ non-metric distance /non-metric distance

k均值聚类/ k-means clustering /k-means clustering