資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究為什麼小波變換對聚類有用？
WaveCluster 是一種多解析度聚類演算法，它首先透過在資料空間上強加多維網格架構來總結記錄。它可以使用小波變換來改變原始特徵空間，在變換後的空間中找到密集的域。
在這種方法中，每個網格單元總結對映到該單元的一組點的的。這些彙總資料通常適合主記憶體，以便多解析度小波變換和隨後的聚類分析使用。
小波變換是一種訊號處理方法，它將訊號分解成多個頻率子帶。小波模型可以透過將一維小波變換使用 d 次來用於 d 維訊號。在應用小波變換時，資料會發生變化，以保留物件在幾個解析度級別上的相對距離。這使得資料中的自然聚類更容易被檢測到。可以透過搜尋新域中的密集區域來識別聚類。
小波變換的優點如下：
它提供無監督聚類：它需要帽形濾波器，這些濾波器強調點聚類的區域，同時抑制聚類邊界外的較弱資料。
它提供無監督聚類 - 它需要帽形濾波器，這些濾波器強調點聚類的區域，同時抑制聚類邊界外的較弱資料。
因此，初始特徵空間中的密集區域充當相鄰點的吸引子，並充當遠離點的抑制器。這定義了資料中的聚類會自動脫穎而出並“清除”周圍的區域。因此，另一個好處是小波變換可以自動導致異常值的消除。
小波變換的多解析度特徵可以支援在幾個精度級別上檢測聚類。
基於小波的聚類非常快，計算複雜度為 O(n)，其中 n 是資料庫中物件的數目。演算法實現可以並行建立。
WaveCluster 是一種基於網格和基於密度的演算法 - 它符合良好聚類演算法的幾個要求 - 它可以有效地管理大型資料集，查詢任意形狀的聚類，成功地管理異常值，對輸入順序不敏感，並且不需要輸入引數的定義，包括聚類的數量或鄰域半徑。
在初步研究中，發現 WaveCluster 在效率和聚類質量方面都優於 BIRCH、CLARANS 和 DBSCAN。該研究還發現 WaveCluster 能夠管理最多 20 維的資料。
1K+ 次檢視
