⑧ 限定皮尔森相关法
γij= Coυ(χi,χj) σiσj
⑨ 斯皮尔曼相关法
⑩ 改良二值距离法
MapI (χmn) = cmn
MapU (χmn) : {
if (χmn= = 0) {
MapU (χmn) = 0;
} else
if (χmn in topN ) { //如果为重要属性
MapU (χmn) =BIG; //BIG是大于”1”的定数。
}else{
MapU (χmn) = SMALL; //SMALL是小于”1”的定数。
}
}
dij=1∻rij
ii :群(Clustering)算法
即将相类似的对象归为同一个群的算法.
以下涉及的7种群算法都将分两步实现.
第一步:对各个基本要素,使用10种距离计算值之一求出二者之间的距离.距离最近的两个
基本要素成为一个新要素.基本要素被称为叶,新要素则被称为分支.
第二步:实行递归处理.利用以下的方程式计算出与新要素间的距离,进而生成新要素。
下面用到2个基本方程式,方程式和系数的不同组合形成7种不同形式。
dxc=αadxa+αbdxb+βdab+γ|dxa –dxb (1)
dxc2=αadxa2+αbdxb2+βdab2+γ|dxa2 –dxb2 (2)
方程式表示从a和b出发,生成新要素x,并求出与要素c的距离。
① 群平均法
利用方程式(2)。
系数:
αa= na / nc αb= nb / nc β=0 γ=0
② 重心法
利用方程式(2)。
系数:
αa= na / nc αb= nb / nc β= ー(na nb)/ nc2 γ=0
③ 最长距离法
利用方程式(1)。
系数:
αa= 0.5 αb= 0.5 β=0 γ=0.5
④ 可变法
利用方程式(2)。
系数:
αa= (1-β) / 2 αb= (1-β) / 2 β=定数 γ=0
⑤ 介质法
利用方程式(1)。
系数:
αa= 0.5 αb= 0.5 β=-0.25 γ=0
⑥ 最短距离法
利用方程式(1)。
系数:
αa= 0.5 αb= 0.5 β=0 γ=-0.5
⑦ Wood法
利用方程式(1)。
系数:
αa= (nx+na) / (nx+nc)
αb= (nx+nb) / (nx+nc) β=-nx / (nx+nc) γ=0
iii:分组(Grouping)算法
即将相类似的对象归为同一个组的算法。
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] 下一页
Tag:申报材料,文明班级申报材料,优秀班级申报材料,职场常用范文 - 申报材料