“聚类算法”的版本间的差异

2018年5月14日 (一) 23:15的最新版本

提示：该页面仍需进一步完善，欢迎加入我们

聚类（也称为聚类分析，Cluster analysis）是指将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。

聚类算法的分类

• 层次化聚类算法（又称树聚类算法）：BIRCH算法，CURE算法，CHAMELEON算法，Sequence data rough clustering算法，Between groups average算法，Furthest neighbor算法，Nearest neighbor算法等。
• 划分式聚类算法：K-means，K-modes-Huang，K-means-CP，MDS_CLUSTER，Feature weighted fuzzy clustering，CLARANS等。
• 基于模型的聚类算法：SOM神经网络算法等。
• 基于密度聚类算法：广泛应用于空间信息处理，SGC，GCHL，DBSCAN算法，OPTICS算法，DENCLUE算法等。
• 基于网格的聚类算法：STING算法，CLIQUE算法，WAVE-CLUSTER算法等。
• 新发展的方法
  • 基于约束的方法：COD (Clustering with Obstructed Distance)
  • 基于模糊的聚类方法：
  • 基于粒度的聚类方法：
  • 量子聚类：
  • 核聚类：SVDD算法，SVC算法等。
  • 谱聚类：

参考链接

• Wikipedia: Cluster analysis
• 知乎：用于数据挖掘的聚类算法有哪些，各有何优势？
• 百度百科：聚类算法