二、常用的聚类方法

K均值聚类（k-means clustering）是根据对象的均值进行聚类划分的分割算法，适用于各种数据类型，受初始化问题的影响较小，算法简单，运算速度快。另外，k均值聚类需要预先指定类别个数，但是由于是无监督学习方法，在实际应用中一般不知道真实的类别个数，一些启发式的方法可以帮助确定k的取值。该软件给出四种度量方法，分别是质心距离、最小距离、最大距离和平均距离，在此我们选择质心距离的方法对数据进行聚类，参数选择如图2-26所示：图2-25对数据进行Center处理。打开TreeView软件，导入GSE5 ......