一、聚類分析的目的？

聚類分析就是把一組數據按照差異性和相似性分為幾個類別，使得同類的數據相似性盡量大，不同類的數據相似性盡可能小，跨類的數據關聯性盡可能低。聚類分析常用于客戶細分、文本歸類、結構分組、行為跟蹤等問題。與分類方法不同，聚類要劃分的類是未知的，聚類分析是根據觀察學習來確定數據之間的關系，因此是一種無監督學習。常用的聚類方法包括基于劃分的方法(例如k-均值算法)、基于分層的方法、基于密度的方法、基于網格的方法和基于模型的方法。

二、如何利用matlab求r型聚類分析？

Cluster Analysis

這個是matlab聚類分析模塊的文檔，里面有很多的例子。

Cluster Analysis

這個是matlab進行聚類分析的幾個例子。你可以看一下，看了這些，對于聚類分析應該差不多了。

主要有：系統聚類、k均值聚類、密度聚類等方法。

三、二，什么是聚類分析?聚類算法有哪幾種？

聚類分析的算法可以分為以下幾大類:分裂法、層次法、基于密度的方法、基于網格的方法和基于模型的方法等。

四、gmm單位的含義？

GMM，高斯混合模型，也可以簡寫為MOG。高斯模型就是用高斯概率密度函數（正態分布曲線）精確地量化事物，將一個事物分解為若干的基于高斯概率密度函數（正態分布曲線）形成的模型。

擴展資料

　　GMMs已經在數值逼近、語音識別、圖像分類、圖像去噪、圖像重構、故障診斷、視頻分析、郵件過濾、密度估計、目標識別與跟蹤等領域取得了良好的效果。

　　原理和過程

　　對圖像背景建立高斯模型的原理及過程：圖像灰度直方圖反映的是圖像中某個灰度值出現的頻次，也可以認為是圖像灰度概率密度的估計。如果圖像所包含的目標區域和背景區域相比比較大，且背景區域和目標區域在灰度上有一定的差異，那么該圖像的灰度直方圖呈現雙峰-谷形狀，其中一個峰對應于目標，另一個峰對應于背景的中心灰度。對于復雜的圖像，尤其是醫學圖像，一般是多峰的。通過將直方圖的.多峰特性看作是多個高斯分布的疊加，可以解決圖像的分割問題。 在智能監控系統中，對于運動目標的檢測是中心內容，而在運動目標檢測提取中，背景目標對于目標的識別和跟蹤至關重要。而建模正是背景目標提取的一個重要環節。