4第四章

西安邮电大学
18
K-means算法概述
K-means算法对初始聚类中心较敏感，相似度 计算方式会影响聚类的划分。 常见的相似度计算方法有：
欧式距离 曼哈顿距离 闵可夫斯基距离
19
多选题 1分 对象i和对象j距离 d(i,j)满足性质（ ）
基于密度的聚类
➢常见的基于密度的方法：
➢ DBSCAN（具有噪声的基于密度的聚类方法） ➢ OPTICS（通过点排序识别聚类结构）
➢基于网格的方法把对象空间量化为有限个单元，形 成一个网络结构。所有的聚类操作都在这个网络结 构（即量化空间）上进行。这种方法主要优点是处 理速度很快，其处理时间通常独立于数据对象的个 数，而依赖于量化空间中每一维的单元数。
模式
聚类分析的目标
聚类分析的目标就是形成多个数据簇，并且数据 簇需要满足下面两个条件：
同一个簇内的数据尽量相似（high intra-class similarity）；
不同簇的数据尽量不相似（low inter-class similarity）。
聚类分析常用算法介绍
常见的聚类分析算法有：
层次聚类算法
无论使用凝聚方法还是分裂方法，一个核心的问题是度量两 个簇间的距离，其中每个簇一般是一个对象集.
西安邮电大学
11
➢ 基于距离的聚类方法的缺点：只能发现球状的簇，难以发现任意形状的 簇。
➢ 基于密度的聚类：只要临近区域的密度（对象或数据点的数目）超过某 个临界值，就继续聚类。
优点：可以过滤掉“噪声”和“离群点”，发现任意形状的簇
第四章聚类分析
西安邮电大学
1
聚类分析
1. 聚类分析 2.基于划分的聚类方法 3.基于层次的聚类方法 4.基于密度的聚类方法 5.基于概率的聚类方法 6.聚类图数据

注：1.“伤损情况”应注明伤损部位和尺寸（按承轨台编号记录，面向里程终点分左、右股）。 2. 以每块轨道板及小里程端接缝的无砟道床为一管理单元。 3. 承轨台自小里程向大里程编号，第一个承轨台为1#。
21
第三节
线路静态检查
附表 1-3双块式无砟道床伤损检查记录
线 名： 检 查 日 期 检 查 人 行 别： 里 程 轨 枕 号 双块式轨枕 伤损 情况 伤损 等级 道床板 伤损 情况 伤损 等级 支承层 （底座） 伤损 伤损 情况 等级 隔离层 汲水 情况 排水通道 备注 积水情况
27
第三节
序号 1 轨距、水平、支距、高低、轨向 斥离尖轨非工作边与基本轨工作边最小间距 查照间隔 护轨轮缘槽宽度
线路静态检查
检查方式 全面检测 检查周期
检查内 容
2
3 4 5 6 7 8
尖轨与基本轨、心轨与翼轨、短心轨和叉跟尖轨间隙、尖轨与滑床台、心 轨与滑床台间隙，尖轨与顶铁、心轨与顶铁间隙 辊轮状态 滑床台与基板脱焊及台面磨耗情况 扣件状态 弹性夹、拉簧状态 弹性铁垫板、弹性基板等各种垫板状态 限位器、间隔铁、顶铁、轨撑、接头铁、连杆等联结螺栓松动、变形或损 坏情况 尖轨防跳限位装置与斥离尖轨（标准开口）间隙，尖轨防跳顶铁与密贴尖 轨间隙，心轨防跳顶铁、卡铁、间隔铁与心轨间隙 尖轨相对于基本轨、心轨相对于翼轨的伸缩位移；两尖轨相对伸缩位移 轮轨接触面（光带）检查，重点检查尖轨与基本轨共同受力部位接触面 （位置、塑性变形、磨耗等） 全面查看 ，重点检 测 每月检查1遍
线 名：
检 查 日 期
检 查 人
里 程
轨 道 板 号
轨道板 伤 损 情 况 伤 损 等 级
板间接 缝 伤 伤 损 损 情 等 况 级

数值变量资料的统计推断
统计推断包括两个方面： 统计推断包括两个方面： 参数估计（ 1、参数估计（总体均数的可信区 间估计） 间估计） 假设检验（均数的假设检验） 2、假设检验（均数的假设检验） 两样本均数必较（ 检验、 ⑴、两样本均数必较（u检验、 检验） t检验） 多样本均数必较（ 检验） ⑵、多样本均数必较（F检验）
t分布
（t - distribution） distribution）
从正态总体中随机抽取含量为n 从正态总体中随机抽取含量为n的若 干样本，由样本算得样本均数x 干样本，由样本算得样本均数x，x服从 正态分布， 则称为正态变量。若已知µ 正态分布，x则称为正态变量。若已知µ， 但未知σ 为了应用方便，可用s代替σ 但未知σ，为了应用方便，可用s代替σ， 求得σ 的估计值S 正态变量x 求得σx的估计值Sx，正态变量x可作变量 变换：t=(x变量变成t变量。 变换：t=(x-µ)/Sx, x变量变成t变量。每 个样本x可算得一个t变量， 个样本x可算得一个t变量，所有可能含量 的样本的t值构成t变量总体， 分布。 为n的样本的t值构成t变量总体，即t分布。
可信区间的两个要素
1.准确度 反映在可信度1 1.准确度：反映在可信度1–α的大 准确度： 小上，即区间包含总体均数的概率大小。 小上，即区间包含总体均数的概率大小。 概率越大越准确。 概率越大越准确。 2.精度 反映在可信区间的长度上。 2.精度：反映在可信区间的长度上。 精度： 长度越小越精密。 长度越小越精密。 在 n 确定的情况下，二者是矛盾的。 确定的情况下，二者是矛盾的。 (α ↓, tα.ν ↑) 如提高可信度 ，则区间变 在可信度确定的情况下， 长。在可信度确定的情况下，增加样本 减小区间长度， 例数 (SX ↓, tα，减小区间长度，提高 ↓) .ν 精度。 精度。

第四章建立信任这些故事可能会导致你认为我把业务中接触到的每一个人都看成十足的傻瓜，都很乐意地、甚至是渴望着把他或她所拥有的每一个秘密泄露出去。

社会工程师知道，这是不可能的。

为什么社会工程的攻击容易得手呢？这不是因为人们的愚蠢或是缺乏常识，而是因为，我们人类很容易被操纵而把信任用错了地方，因此被欺骗。

社会工程师早已料到会受到阻力和怀疑，他随时准备着把人们对他的怀疑扭转。

一个优秀的社会工程师策划攻击时如同下象棋，预先想到对方可能会提出什么样的问题，从而把合适的答案准备好。

他的一个很常用的技巧就是给受骗者建立信任感，一个骗子如何才能获得你的信任呢？相信我，他能够。

信任：欺骗的关健社会工程师越把情况营造得像普通的业务联系，就越能减少怀疑。

当人们没有疑心时，得到他们的信任就很容易了。

一旦取得你的信任，如同吊桥放下，城门打开，他就可以入内随心所欲地取得他所需的信息。

注：你也许注意到我在提及社会工程师、电话盗打者和设计骗局的人时，大多数情况下用的是“他”。

这不是偏见，这只是反应了一个事实——从事这些领域的人大都是男性。

但尽管女社会工程师很少，可这个数字正在增长。

不要仅仅因为听到了一位女性的声音而放松了你的警觉，女社会工程师还是有的。

事实上，女社会工程师有着独特的优势，利用她们的女性特征来得到对方的配合。

本书以后的内容中将会出现少量的女性社会工程师。

第一个电话：安德瑞亚·洛偑兹（Andrea Lopez）安德瑞亚·洛偑兹在她工作的音像店接到了一个电话，她立刻微笑起来（当一位客户特意打来电话对服务表示满意时，总会让人高兴）。

打电话的人说，在他们店里得到了非常好的服务，他想给写封信告诉他们的经理。

他询问经理的名字和通信地址，她告诉他名字是汤米·艾里森（Tommy Allison），并把通信地址也给了他。

就在要挂电话时，他又有了一个想法，他说：“我还想写给你们公司总部，那儿的电话是多少？”她也告诉了他。