聚类算法总结 - Hierarchical Clustering

2023年7月6日 313次阅读 来源: 聚类算法
算法概括优缺点
AGNES典型的凝聚式层次聚类
DIANA典型的划分式层次聚类划分式层次聚类的复杂度比凝聚式的大得多，所以较为少用。
CURE用到了kd-tree跟heap。
合并两个类的时候，先选若干well-scattered的点。从中挑出离中心最远的点，之后再挑离该点最远的点…如此得到一堆代表点，基于这些点去做层次聚类。

对于大数据：先随机抽样，再对样本进行分区，然后对每个分区局部聚类，最后对局部聚类进行全局聚类。

时间上最坏是： O(n 2 log(n)) 
若数据维度较小，可以降到： O(n 2 ) 
空间复杂度是： O(n) 
ROCK1.生成相似度矩阵。
2.根据相似度阈值得到邻居矩阵-A。
3.计算链接矩阵-L=A x A
4.计算相似性的度量（Goodness Measure），将相似性最高的两个对象合并。（用到了链接矩阵）

ROCK算法首先用相似度阀值和共同邻居的概念，从给定的数据相似度矩阵中构建一个稀疏图，然后对该稀疏图使用分层聚类算法进行聚类

CURE算法不能处理枚举型数据，而ROCK算法是在CURE基础之上适用于枚举数据的聚结分层聚类算法。
Chameleon1.由数据集构造成一个K-近邻图 G k  
2.通过图的划分算法将图 G k   划分成大量的子图，每个子图代表一个初始子簇
3.凝聚式层次聚类		Chameleon跟CURE和DBSCAN相比，在发现高质量的任意形状的聚类方面有更强的能力。但是，在最坏的情况下，高维数据的处理代价可能对n个对象需要 O(n 2 )  的时间。
BIRCH用到了 CF<n,LS,SS> 
CF-tree类似于B-树，有两个参数：内部节点平衡因子 B  ，叶节点平衡因子 L  ，簇半径阈值 T  。

1.自上而下选择最近的子节点
2.到达子节点后，检查最近的元组 CF i   能否吸收此数据点
若能吸收，则更新CF值
否则考虑是否可以添加一个新的元组
如果可以，则添加一个新的元组
否则，分裂最远的一对元组，作为种子，按最近距离重新分配其它元组
3.更新每个非叶节点的CF信息，如果分裂节点，在父节点中插入新的元组，检查分裂，直到root

BIRCH优点：
1.节省内存。叶子节点放在磁盘分区
2. 在对树进行插入或查找操作很快。
3.一遍扫描数据库即可建树。
4.可识别噪声点。
5. 可作为其他聚类算法的预处理过程

BIRCH缺点：
1.结果依赖于数据点的插入顺序。
2.对非球状的簇聚类效果不好。
3.对高维数据聚类效果不好。
4.最后得出来的簇可能和自然簇相差很大。
5.在整个过程中算法一旦中断，一切必须从头再来。
6.局部性

*BUBBLE把BIRCH算法的中心和半径概念推广到普通的距离空间
*BUBBLE-FM通过减少距离的计算次数，提高了BUBBLE算法的效率
Probabilistic agglomerative clustering距离度量用：
dist(C 1 ,C 2 )=−log((P(C 1 ∪C 2 ))/(P(C 1 )P(C 2 ))) 
如果dist小于零，则合并两个簇。		易于理解
一般跟其他凝聚式层次聚类算法的效率差不多
但是：it outputs only one hierarchy with respect to a chosen probabilistic model; it cannot handle the uncertainty of cluster hierarchies.
    原文作者：聚类算法
    原文地址: https://blog.csdn.net/xavierwu/article/details/48712635
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞