|
|
 
|
||
下面我们通过cLUSTER/2的介绍来叙述概念聚类的基本思想。 ·概念内聚
不仅取决于a、b，还取决于要分类集合的其它对象。例如上图中的点的聚类 问题，人们往往把观察到的点看成是“构成两个菱形”。尽管a、b比其它点 更接近却被放在不同类中，这是因为人们是基于概念从属关系进行分类，而 不是按距离。此例中的概念就是“菱形”。 概念聚类将点a、b的相似性度量称为概念内聚，概念内聚不仅取决于 a、b两类和附近点集E，而且取决于描述a、b整体的概念集c。这可以写成： 概念内聚（a、b）＝f（a，b，E，c） 若概念集c是由一些几何图形组成，如直线、矩形等，概念内聚的度量 可定义为： f（a，b，E，c）＝MaXi{(#e(i)-1)/area(i)} 式中序号i取遍c中覆盖点a和b的所有几何图形，#e(i)是被图形i覆盖 的E中所有点的总数，area(i)是图形i的面积。 |
|||
