K均值聚类法和系统聚类法有什么区别，这两种聚类方法的适用条件都是什么？ 适用条件：系2113统聚类法适于二维有5261序样品聚类的样品个数比较均匀。K均值聚类法适用4102于快速高效1653，特别是大量数据时使用。两者区别如下：一、指代不同1、K均值聚类法：是一种迭代求解的聚类分析算法。2、系统聚类法：又叫分层聚类法，聚类分析的一种方法。二、步骤不同1、K均值聚类法：步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。2、系统聚类法：开始时把每个样品作为一类，然后把最靠近的样品（即距离最小的群品）首先聚为小类，再将已聚合的小类按其类间距离再合并，不断继续下去，最后把一切子类都聚合到一个大类。三、目的不同1、K均值聚类法：终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。2、系统聚类法：是以距离为相似统计量时，确定新类与其他各类之间距离的方法，如最短距离法、最长距离法、中间距离法、重心法、群平均法、离差平方和法、欧氏距离等。参考资料来源：-系统聚类法参考资料来源：-K均值聚类算法
k-means聚类算法优缺点？ 相对于fuzzy c-means，hierarchical clustering，mixture of gaussian聚类算法有什么优缺点，有没有改进的…
K-均值聚类K值如何自动选取 貌似有人提出了计算轮廓系数的方法，进行反复迭代，找到合适的k值
用于数据挖掘的聚类算法有哪些，各有何优势 1、层次聚类2113算法1.1聚合聚类1.1.1相似度依据距离不5261同：Single-Link：最近距离、4102Complete-Link：最远距离、Average-Link：平均距离1.1.2最具代表性算法16531）CURE算法特点：固定数目有代表性的点共同代表类优点：识别形状复杂，大小不一的聚类，过滤孤立点2）ROCK算法特点：对CURE算法的改进优点：同上，并适用于类别属性的数据3）CHAMELEON算法特点：利用了动态建模技术1.2分解聚类1.3优缺点优点：适用于任意形状和任意属性的数据集；灵活控制不同层次的聚类粒度，强聚类能力缺点：大大延长了算法的执行时间，不能回溯处理2、分割聚类算法2.1基于密度的聚类2.1.1特点将密度足够大的相邻区域连接，能有效处理异常数据，主要用于对空间数据的聚类2.1.2典型算法1）DBSCAN：不断生长足够高密度的区域2）DENCLUE：根据数据点在属性空间中的密度进行聚类，密度和网格与处理的结合3）OPTICS、DBCLASD、CURD：均针对数据在空间中呈现的不同密度分不对DBSCAN作了改进2.2基于网格的聚类2.2.1特点利用属性空间的多维网格数据结构，将空间划分为有限数目的单元以构成网格结构；1）优点：处理时间与数据对象的数目无关，与数据的输入顺序。
分别取k=2和3，利用k-means聚类算法对以下的点聚类：（2，1），（1，2），（2，2），（3，2），（2，3），（3，3），（2，4），（3，5），（4，4），（5，3），并讨论k值以及初始聚类中心对聚类结果的影响
