k-medoids聚类
执行k-medoids集群划分观察n——- - - - - -p矩阵idx
=kmedoids(X
,k
)X
进入k
,并返回n1的向量idx
包含每个观测的聚类指数。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k——+ +算法用于选择初始群集的medoid位置。
[1] Kaufman,L.和Rousseeuw,P.J.(2009),《在数据中寻找群体: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-medoids聚类算法。专家系统与应用。36,3336-3341。
[3] Schlimmer, j.s(1987)。通过代表性调整获得概念(技术报告87-19)。博士论文,加州大学欧文分校信息与计算机科学系。
[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.
Duch W, A.R, and Grabczewski, K.(1996)使用反向传播网络从训练数据中提取逻辑规则。第一届软计算在线研讨会论文集,19-30,25-30页。
[6] Duch,W.,Adamczak,R.,Grabczewski,K.,Ishikawa,M.,和Ueda,H.(1997)。使用约束反向传播网络提取清晰的逻辑规则-两种新方法的比较。欧洲人工神经网络研讨会(ESANN'97)程序,比利时布鲁日16-18。
[7] bach, K.和Lichman, M.(2013)。UCI机器学习知识库[http://archive.ics.uci.edu/ml]。加州欧文:加州大学信息与计算机科学学院。