常用的聚类算法及聚类算法评价指标

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达作者 | 荔枝boy引用 | 基于图的聚类分析研究—张涛1. 典型聚类算法1.1 基于划分的方法代表：kmeans算法·指定k个聚类中心·（计算数据点与初始聚类中心的距离）·（对于数据点，找到最近的{i}ci(聚类中心)，将分配到{i}ci中）·(更新聚类中心点，是新类别数值的均值点)·（计算每一类的偏差）·返回 返回第二步1.2 基于层次的方法代表：CURE算法·每个样本作为单独的一个类别··合并,为·遍历完本次样本，合并成新的类别后，若存在多个类别，则返回第二步·遍历完本次样本，合并成新的类别后，若所有样本为同一类别，跳出循环，输出每层类别1.3 基于网格的方法代表：STING算法·将数据集合X划分多层网格结构，从某一层开始计算·查询该层网格间的属性值，计算属性值与阈值 ………………………………