k均值聚类中的EM思想.docx

1均值聚类中的思想马丽娜西安财经学院行知学院信息系陕西西安摘要在无监督学习中均值聚类以其快速简单的特点得到了广泛的应用算法是针对缺失数据的一种统计学习方法然而均值和这两种不同领域的算法在思想上却有着一致的地方本文分析了均值中蕴含的思想指出了均值中样本隶属度更新和类中心更新与算法中的步和步的等价性最后利用语言矩阵化运算的特点介绍在如何在语言中高效地实现均值聚类算法关键词均值算法聚类分析2作者简介马丽娜女汉族研究生西安财经学院行知学院教师研究方向为应用概率统计引言在数据分析中根据数据集中有无某些已知类别的样本可以分为监督学习和无监督学习两种无监督学习是最常见的一种统计学习模式又称为聚类分析已经在文本挖掘遥感图像生物医学社交网络安全检测等领域得到了广泛的应用目前已经有许多成熟的聚类方法像均值聚类支持向量机层次聚类基于密度的聚类等均值算法以其简洁高效的特性是最受关注的聚类方法之一最大期望值算法算法是针对缺失数据的一种统计学习理论常常被用来求在含有不完整观测的数据集下的极大似然估计本文分析了均值聚类和算法思想上的相通之处指出了两种方法迭代过程的等价性相关理论知识均值聚类均值算法中的输入变量为类个