聚类算法初探（二）预备知识

最新推荐文章于 2020-03-24 22:47:53 发布
原创 最新推荐文章于 2020-03-24 22:47:53 发布 · 9.8k 阅读 · 15 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#数据挖掘 #聚类算法 #中心点 #距离矩阵 #数据规范化
本文详细介绍了几种主流的聚类算法，包括K-means、DBSCAN、OPTICS等，并探讨了聚类效果的评估方法及数据预处理的重要性。此外，还介绍了一种发表在Science上的新型聚类算法。
SPICE仿真实战：从时序分析基础到建立保持时间验证
最新发布
weixin_30911451的博客
05-18 432
时序分析是数字电路设计的核心基础，它研究信号在时间维度上的行为与约束关系。其基本原理在于确保数据信号在时钟边沿的特定窗口内保持稳定，以满足寄存器的建立时间和保持时间要求。这项技术的核心价值在于，它能在芯片流片或电路板制造前，通过仿真提前发现并修复潜在的时序违规问题，从而避免硬件失效，显著降低开发成本与风险。在实际的工程应用中，尤其是在高速数字电路、处理器设计及通信接口等场景中，精确的时序分析离不开SPICE仿真。SPICE通过构建包含晶体管、寄生参数在内的精确电路模型，在虚拟环境中复现信号传输的物理过程，为
机器学习算法基础
12-18
30个小时知识无盲区课程，覆盖十多个行业应用。
KMeans算法知识点整理（持续更新...）
qq_24263553的博客
03-24 3183
主要的KMeans算法的原理和应用，在学习典过程中...
聚类算法初探（五）DBSCAN
peghoty
08-19 6万+
最近由于工作需要，对聚类算法做了一些相关的调研。现将搜集到的资料和自己对算法的一些理解整理如下，供大家参考。 另外在算法代码方面，我也做了一些实现（包括串行和并行），欢迎感兴趣的朋友探讨和交流。 第一章 引言 第二章 预备知识 第三章 直接聚类法 第四章 K-means  第五章 DBSCAN 第六章 OPTICS
聚类算法初探（六）OPTICS
peghoty
08-20 4万+
最近由于工作需要，对聚类算法做了一些相关的调研。现将搜集到的资料和自己对算法的一些理解整理如下，供大家参考。 另外在算法代码方面，我也做了一些实现（包括串行和并行），欢迎感兴趣的朋友探讨和交流。 第一章 引言 第二章 预备知识 第三章 直接聚类法 第四章 K-means  第五章 DBSCAN 第六章 OPTICS
模糊聚类分析方法
冷月无声的博客
05-07 4万+
模糊数学模型系列博文： 【1】基本概念： 隶属函数、模糊集合的表示方法、模糊关系、模糊矩阵 【2】模糊模式识别：海明贴近度 、欧几里得贴近度 、黎曼贴近度、 格贴近度、最大隶属原则、择近原则 【3】模糊聚类分析方法：模糊等价矩阵、模糊相似矩阵、传递闭包法、布尔矩阵法 【4】模糊决策分析方法 在工程技术和经济管理中，常常需要对某些指标按照一定的标准(相似的程度或亲 疏关系等)进行分类处理...
DBSCAN详解（密度聚类算法开篇）
Ἥλιος
09-17 4530
DBSCAN详解 第二十二次写博客，本人数学基础不是太好，如果有幸能得到读者指正，感激不尽，希望能借此机会向大家学习。这一篇作为密度聚类算法族的开篇，主要是介绍其中最流行的一种算法——DBSCAN，其他算法在后续会陆续更新，链接附在该篇文章的结尾处。 预备知识： 这一部分主要是谈一谈DBSCAN中一些概念的定义：ϵϵ\epsilon-领域、核心对象、密度直达、密度可达以及密度相...
发表在 Science 上的一种新聚类算法
热门推荐
peghoty
08-29 7万+
今年 6 月份，Alex Rodriguez 和 Alessandro Laio 在 Science 上发表了一篇名为《Clustering by fast search and find of density peaks》的文章，为聚类算法的设计提供了一种新的思路。虽然文章出来后遭到了众多读者的质疑，但整体而言，新聚类算法的基本思想很新颖，且简单明快，值得学习。这个新聚类算法的核心思想在于对聚类中心的刻画上，本文将对该算法的原理进行详细介绍，并对其中的若干细节展开讨论。
Community Detection 算法
peghoty
07-10 4万+
社区发现（Community Detection）算法用来发现网络中的社区结构，也可以视为一种广义的聚类算法。
最大熵学习笔记（三）最大熵模型
peghoty
05-22 4万+
生活中我们经常听到人们说“不要把鸡蛋放到一个篮子里”，这样可以降低风险。深究一下，这是为什么呢？其实，这里边包含了所谓的最大熵原理（The Maximum Entropy Principle）。本文为一则读书笔记，将对最大熵原理以及由此导出的最大熵模型进行介绍，重点给出其中所涉及数学公式的理解和详细推导。
Factorization Machines 学习笔记（四）学习算法
peghoty
10-28 3万+
最近学习了一种叫做 Factorization Machines（简称 FM）的通用算法，它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景; 2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍，并对其训练算法 — 随机梯度下降（SGD）法和交替最小二乘（ALS）法进行详细推导。
聚类算法初探（七）聚类分析的效果评测
peghoty
08-26 3万+
目前聚类算法种类众多，使得人们在实际应用中难于选择，因此,，对聚类分析的结果进行评价是关键的。假如有一个专门针对聚类效果的有效评价机制，那么，我们就可以对众多算法进行比较分析，从而选择最合适的聚类分析算法。本文摘自中国科学院计算技术研究所周昭涛的硕士论文《文本聚类分析效果评价及文本表示研究》的第三章，算是一则读书笔记吧，希望对大家有点帮助。
什么是社区发现?
peghoty
11-21 3万+
如果你仔细观察，你会发现，我们的生活中存在着各种各样的网络，如科研合作网络、演员合作网络、城市交通网络、电力网、以及像 QQ、微博、微信这样的社交网络。这些网络有什么特点呢？我们以大家最熟悉的社交网络来看看。
Factorization Machines 学习笔记（一）预测任务
peghoty
10-28 3万+
最近学习了一种叫做 Factorization Machines（简称 FM）的通用算法，它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景; 2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍，并对其训练算法 — 随机梯度下降（SGD） 法和交替最小二乘法（ALS）法进行详细推导。
极限学习机简介
peghoty
07-09 2万+
在 Deep Learning 大行其道热度不减时，有机会接触到了极限学习机（Extreme Learning Machine，ELM）。这个算法是南洋理工大学的黄广斌教授提出来的，idea 始于 2003 年，2004 年正式发表文章。这种算法是针对 SLFNs （即含单个隐藏层的前馈型神经网络）的监督型学习算法，其主要思想是：输入层与隐藏层之间的权值参数，以及隐藏层上的偏置向量参数是 on
最大熵学习笔记（一）预备知识
peghoty
05-22 2万+
生活中我们经常听到人们说“不要把鸡蛋放到一个篮子里”，这样可以降低风险。深究一下，这是为什么呢？其实，这里边包含了所谓的最大熵原理（The Maximum Entropy Principle）。本文为一则读书笔记，将对最大熵原理以及由此导出的最大熵模型进行介绍，重点给出其中所涉及数学公式的理解和详细推导。
相关性分析方法
peghoty
08-18 2万+
作者: peghoty  出处: http://blog.csdn.net/peghoty/article/details/9337515  欢迎转载/分享, 但请务必声明文章出处.
Factorization Machines 学习笔记（二）模型方程
peghoty
10-28 2万+
最近学习了一种叫做 Factorization Machines（简称 FM）的通用算法，它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景; 2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍，并对其训练算法 — 随机梯度下降（SGD）法和交替最小二乘（ALS）法进行详细推导。
最大熵学习笔记（二）最大熵原理
peghoty
05-22 2万+
生活中我们经常听到人们说“不要把鸡蛋放到一个篮子里”，这样可以降低风险。深究一下，这是为什么呢？其实，这里边包含了所谓的最大熵原理（The Maximum Entropy Principle）。本文为一则读书笔记，将对最大熵原理以及由此导出的最大熵模型进行介绍，重点给出其中所涉及数学公式的理解和详细推导。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值