数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究什么是凝聚层次聚类？
凝聚层次聚类是一种自下而上的聚类方法，其中簇包含子簇，子簇依次包含子簇，依此类推。它从将每个对象放置到其自己的簇开始，然后将这些原子簇合并成越来越大的簇，直到某些对象在一个簇中或直到满足某个特定的终止条件。有几种层次聚类方法被用于此目的。它们的区别仅在于它们对簇间相似性的描述。
例如，一种称为 AGNES（凝聚嵌套）的方法使用单链接技术，其工作原理如下。假设有一组对象放置在一个矩形中。最初，每个对象都放置到它自己的簇中。然后，根据某个原则逐步合并簇，该原则涉及合并簇间最近对象之间欧氏距离最小的簇。
层次聚类通常使用树状图以图形方式显示，树状图显示了簇-子簇关联以及簇合并（凝聚视图）或分裂（分裂视图）的顺序。
基本的凝聚层次聚类算法。
计算邻近矩阵，如果需要。
重复
合并最近的两个簇。
更新邻近矩阵以反映新簇与原始簇之间的邻近性。
直到只剩下一个簇。
簇邻近性通常根据特定类型的簇来定义。例如，几种凝聚层次聚类技术，包括 MIN、MAX 和组平均，源于簇的基于图的视图。
MIN 将簇邻近性定义为属于多个簇的两个最近点之间的邻近性，或者使用图方法，即多个节点子集中两个节点之间的最短边。
或者，MAX 将多个簇中最远的两个点之间的邻近性作为簇邻近性，或者使用图方法，即不同节点子集中两个节点之间的最长边。
提出的凝聚层次聚类算法需要一个邻近矩阵。这需要存储 $\mathrm{\frac{1}{2}m^2}$ 个邻近性（假设邻近矩阵是对称的），其中 m 是数据点的数量。跟踪簇所需的存储空间与簇的数量成正比，即 m-1，不包括单例簇。因此，总空间复杂度为 $\mathrm{O(m^2)}$。
关于计算复杂度，基本凝聚层次聚类算法的分析也很简单。计算邻近矩阵需要 $\mathrm{O(m^2)}$ 的时间。在此步骤之后，有 m-1 次迭代包含步骤 3 和 4，因为一开始有 m 个簇，并且在每次迭代期间合并两个簇。
3K+ 浏览量
