11-04 Clustring


@
ISODATA(iterative self-organizing data analysis technique algorithm)
자기 발견적 학습법을 통해서 자동적으로 cluster 의 갯수를 선택하는 k-means algorithm 의 확장된 방법이다

@
이 방법에 필요한 parameter 는 다음과 같다
$N_{min_ex}$:cluster 당 최소 표본의 갯수
$N_{D}$:대략적으로 요구되는 cluster 의 갯수, 일종의 k인데 변화가 가능하다
$\sigma_{s}^{2}$:분리가 요구되는 최대 분산 parameter, 분산이 일정한 크기를 가지면 cluster 를 반드시 나눠야 한다
$D_{merge}$:결합이 요구되는 최대 분리거리, cluster 의 중심값끼리 거리를 쟨다. 아주 가까우면 하나의 cluster 로 보는 것이 좋다
$N_{merge}$:결합될 수 있는 최대 cluster 수, 결합을 너무 많이 하면 전체가 하나의 cluster 가 될 위험이 있다

@
작동과정
1. k-means clustering 을 수행한다
2. 충분히 다른 표본들로 구성된 cluster 를 분리한다
3. 충분히 근접한 두개의 cluster 를 결합한다
4. 1 과정으로 돌아간다