k-medoids集群
执行k-medoids集群对观测结果进行划分n——- - - - - -p矩阵idx
= kmedoids (X
,k
)X
成k
,并返回一个n1的向量idx
包含每个观测值的聚类指标。行X
对应点,列对应变量。默认情况下,kmedoids
使用平方欧几里得距离度量和k——+ +算法用于选择初始集群中间位置。
[1]考夫曼,L.和卢梭,P. J.(2009)。在数据中寻找组:聚类分析导论。新泽西州霍博肯:约翰·威利父子公司
[2] Park H-S和Jun C-H。(2009)。一种简单快速的k - meddoids聚类算法。专家系统与应用。36,3336-3341。
[3] Schlimmer, j.s(1987)。通过表征调整获得概念(技术报告87-19)。加州大学欧文分校信息与计算机科学系博士论文。
[4] Iba, W。,Wogulis,J., and Langley,P. (1988). Trading off Simplicity and Coverage in Incremental Concept Learning. In Proceedings of the 5th International Conference on Machine Learning, 73-79. Ann Arbor, Michigan: Morgan Kaufmann.
杜赫W, a.r.,和Grabczewski, K.(1996)使用反向传播网络从训练数据中提取逻辑规则。第1届软计算在线研讨会,19-30,第25-30页。
杜赫,W., Adamczak, R., Grabczewski, K.,石川,M.和上田,H.(1997)。利用约束反向传播网络提取清晰逻辑规则-两种新方法的比较。欧洲人工神经网络研讨会(ESANN'97),布鲁日,比利时16-18。
[7]巴赫,K.和利希曼,M.(2013)。UCI机器学习知识库[http://archive.ics.uci.edu/ml]。加州欧文市:加州大学信息与计算机科学学院。