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
法律研究为什么小波变换对聚类有用？
WaveCluster 是一种多分辨率聚类算法，它首先通过在数据空间上强加多维网格架构来总结记录。它可以使用小波变换来改变原始特征空间，在变换后的空间中找到密集的域。
在这种方法中，每个网格单元总结映射到该单元的一组点的的。这些汇总数据通常适合主内存，以便多分辨率小波变换和随后的聚类分析使用。
小波变换是一种信号处理方法，它将信号分解成多个频率子带。小波模型可以通过将一维小波变换使用 d 次来用于 d 维信号。在应用小波变换时，数据会发生变化，以保留对象在几个分辨率级别上的相对距离。这使得数据中的自然聚类更容易被检测到。可以通过搜索新域中的密集区域来识别聚类。
小波变换的优点如下：
它提供无监督聚类：它需要帽形滤波器，这些滤波器强调点聚类的区域，同时抑制聚类边界外的较弱数据。
它提供无监督聚类 - 它需要帽形滤波器，这些滤波器强调点聚类的区域，同时抑制聚类边界外的较弱数据。
因此，初始特征空间中的密集区域充当相邻点的吸引子，并充当远离点的抑制器。这定义了数据中的聚类会自动脱颖而出并“清除”周围的区域。因此，另一个好处是小波变换可以自动导致异常值的消除。
小波变换的多分辨率特征可以支持在几个精度级别上检测聚类。
基于小波的聚类非常快，计算复杂度为 O(n)，其中 n 是数据库中对象的数目。算法实现可以并行创建。
WaveCluster 是一种基于网格和基于密度的算法 - 它符合良好聚类算法的几个要求 - 它可以有效地管理大型数据集，查找任意形状的聚类，成功地管理异常值，对输入顺序不敏感，并且不需要输入参数的定义，包括聚类的数量或邻域半径。
在初步研究中，发现 WaveCluster 在效率和聚类质量方面都优于 BIRCH、CLARANS 和 DBSCAN。该研究还发现 WaveCluster 能够管理最多 20 维的数据。
1K+ 次查看
