北京大学:《模式识别》课程教学资源(课件讲义)第十一章 非监督学习方法

第十一章非监督学习方法 ■11.1引言 ■112单峰子集的分离方法 113类别分离的间接方法 ■114分级聚类方法 115其他聚类方法简介 ■11.6聚类中的问题
第十一章 非监督学习方法 11.1 引言 11.2 单峰子集的分离方法 11.3 类别分离的间接方法 11.4 分级聚类方法 11.5 其他聚类方法简介 11.6 聚类中的问题

11.1引言
11.1 引言

11.1引言 ■有监督:样本数据类别已知,训练分类 器以求对新数据进行分类 ■非监督:样本数据类别未知,首先要求 对样本集进行分类(聚类) ■非监督学习方法大致分为两大类: 基于概率密度函数估计的方法 基于样本间相似性度量的方法
11.1 引言 有监督:样本数据类别已知,训练分类 器以求对新数据进行分类 非监督:样本数据类别未知,首先要求 对样本集进行分类(聚类) 非监督学习方法大致分为两大类: 基于概率密度函数估计的方法 基于样本间相似性度量的方法

11.1引 Hierarchical Top-down Division Clustering 分层聚类 Bottom-up Agglomerative Pdf based methods K-Series Partitional Clustering Graph Theory based methods 分块聚类 PCA/SVD based methods Other methods
11.1 引言 Hierarchical Clustering 分层聚类 Hierarchical Clustering 分层聚类 Partitional Clustering 分块聚类 Partitional Clustering 分块聚类 K-Series K-Series PCA/SVD based methods PCA/SVD based methods PDF based methods PDF based methods Graph Theory based methods Graph Theory based methods Top-down Division Top-down Division Bottom-up Agglomerative Bottom-up Agglomerative Other methods Other methods

11.2单峰子集的分离方法
11.2 单峰子集的分离方法

11.2单峰子集的分离方法 ■思想:把特征空间分为若干个区域,在 每个区域上混合概率密度函数是单峰的, 每个单峰区域对应一个类 如下图简单示例,X=0和y=0这两个超平 面可以把(Xy)平面分成四个单峰区域
11.2 单峰子集的分离方法 思想:把特征空间分为若干个区域,在 每个区域上混合概率密度函数是单峰的, 每个单峰区域对应一个类 如下图简单示例,x=0和y=0这两个超平 面可以把(x,y)平面分成四个单峰区域

Mixture PDF 04 0.3 0.2 0.1 2
11.2 单峰子集的分离方法

11.2单峰子集的分离方法 ■投影方法 多维空间中直接划分成单峰区域比较困难, 而一维空间中则比较简单。 寻找一个坐标系统,在该系统下,数据的混 合概率密度函数可以用边缘概率密度表示。 如果某边缘概率密度函数呈现多峰形式,则 在此坐标轴上(一维)作分割
11.2 单峰子集的分离方法 投影方法 多维空间中直接划分成单峰区域比较困难, 而一维空间中则比较简单。 寻找一个坐标系统,在该系统下,数据的混 合概率密度函数可以用边缘概率密度表示。 如果某边缘概率密度函数呈现多峰形式,则 在此坐标轴上(一维)作分割

11.2单峰子集的分离方法 ■投影方法(续) n维空间中的单峰分离 样本集S在u,轴上的投影为 S1={l1y|y∈S} 对S应用直方图方法估计概率密度函数 找到概率密度函数的峰,以及峰之间的谷底 在谷底处做垂直于u的超平面对数据分割
11.2 单峰子集的分离方法 投影方法(续) 一维空间中的单峰分离 S {u y | y S } S u T i i i = ∈ 样本集 在 轴上的投影为 对Si 应用直方图方法估计概率密度函数 找到概率密度函数的峰,以及峰之间的谷底 在谷底处做垂直于ui 的超平面对数据分割

一维空间中的单峰分离 0.7 0.6 0.5 0.4 谷底 0.3 02 0.1 第一类 第二类
11.2 单峰子集的分离方法
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 北京大学:《模式识别》课程教学资源(课件讲义)第六章 统计学习理论.pdf
- 北京大学:《模式识别》课程教学资源(课件讲义)第八章 正则化网络.pdf
- 北京大学:《模式识别》课程教学资源(课件讲义)第五章 人工神经网络简介.pdf
- 北京大学:《模式识别》课程教学资源(课件讲义)第二章 Bayes决策理论.pdf
- 北京大学:《模式识别》课程教学资源(课件讲义)第九章 分类器组合.pdf
- 北京大学:《模式识别》课程教学资源(课件讲义)第三章 概率密度估计.pdf
- 北京大学:《模式识别》课程教学资源(课件讲义)第七章 SVM.pdf
- 浙江大学:《自动控制专业考研题集锦》(附题解)考研题分章集锦(七)杂辑_answer.doc
- 浙江大学:《自动控制专业考研题集锦》(附题解)考研题分章集锦(一)数学模型_answer.doc
- 浙江大学:《自动控制专业考研题集锦》(附题解)考研题分章集锦(五)采样控制系统_answer.doc
- 浙江大学:《自动控制专业考研题集锦》(附题解)考研题分章集锦(四)频域分析_answer.doc
- 浙江大学:《自动控制专业考研题集锦》(附题解)考研题分章集锦(三)根轨迹_answer.doc
- 浙江大学:《自动控制专业考研题集锦》(附题解)考研题分章集锦(六)状态空间方法.doc
- 浙江大学控制系:《自动控制原理近年考研题分章集锦》(二).pdf
- 《信息安全技术》第9章 信息系统安全体系.ppt
- 《信息安全技术》第8章 安全协议.ppt
- 《信息安全技术》第7章 认证.ppt
- 《信息安全技术》第6章 信息系统安全事件响应.ppt
- 《信息安全技术》第5章 密码技术(新).ppt
- 《信息安全技术》第4章 信息系统安全监控.ppt
- 北京大学:《模式识别》课程教学资源(课件讲义)第十章 特征空间.pdf
- 北京大学:《模式识别》课程教学资源(课件讲义)第四章 线性判别函数.pdf
- 北京大学:《模式识别》课程教学资源(课件讲义)导论.pdf
- 武汉理工大学:《电力拖动自动控制系统》第1章 闭环控制的直流调速系统.ppt
- 武汉理工大学:《电力拖动自动控制系统》第2章 转速、电流双闭环直流调速系统和调节器的工程设计方法.ppt
- 武汉理工大学:《电力拖动自动控制系统》第3章 电力拖动自动控制系统.ppt
- 武汉理工大学:《电力拖动自动控制系统》第4章 可逆调速系统和位置随动系统.ppt
- 武汉理工大学:《电力拖动自动控制系统》第5章 闭环控制的异步电动机变压调速系统.ppt
- 武汉理工大学:《电力拖动自动控制系统》第6章 笼型异步电机变压变频调速系统.ppt
- 武汉理工大学:《电力拖动自动控制系统》第8章 同步电动机变压变频调速系统.ppt
- 赛迪网:《网络工程师经典练习资料》101网络工程师综合练习一.doc
- 赛迪网:《网络工程师经典练习资料》102网络工程师综合练习二.doc
- 赛迪网:《网络工程师经典练习资料》103网络工程师综合练习三.doc
- 赛迪网:《网络工程师经典练习资料》104网络工程师综合练习四.doc
- 赛迪网:《网络工程师经典练习资料》105网络工程师综合练习五.doc
- 赛迪网:《网络工程师经典练习资料》106网络工程师综合练习六.doc
- 赛迪网:《网络工程师经典练习资料》107网络工程师综合练习七.doc
- 赛迪网:《网络工程师经典练习资料》108网络工程师综合练习八.doc
- 赛迪网:《网络工程师经典练习资料》109网络工程师综合练习九.doc
- 赛迪网:《网络工程师经典练习资料》110网络工程师综合练习十.doc