数据挖掘中聚类算法的研究

（ ） 于约束的聚类 ： ８基 在实际应用 中既要找到
满足 特定 的约束 ，又 要具 有 良好 聚类 特性 的数 据 分
组是 非 常具有 挑 战性 的 。
（） ９ 挖掘 出 的信息 是 可理解 的 和可用 的 。
２ 数 据挖 掘 中聚 类分 析方 法 的分类 及常 用 的算 法
（ 对 于输 入记 录顺 序不 敏感 ： 聚类算 法对 ３） 一些 于输入数据 的顺序 是敏感 的 ， 同一 算法不 同顺 序 的 对
经 常使 用 欧几 里得 距 离 来 作 为相 似 性 度量 方法 ， 但 基 于这样 的距 离 度量 的算 法 趋 向于发 现具 有 相 近密
（ ） 人 参 数对 领 域 知识 的弱 依 赖 性 ： 聚类 ２输 在
度和尺寸的球状簇 。 但对于一个簇 ， 可能是任意形状
的情 况 ， 出能发 现任 意形 状簇 的算 法是 很重 要 的。 提
用 ， 据挖 掘对 聚类 分 析方法 提 出 了不 同要求… 。 数 １ （ ） 伸 缩 性 ： 指 聚类 算 法 不 论 对 于 小数 据 １可 是 集还 是大 数据集 ， 应是 有效 的 。 都 研究 大容 量数 据集
的高 效聚类 方 法是数 据 挖掘必 须 面对 的挑 战 。
常具有挑战性 的，因为考虑到这样的数据可能高度 偏斜 并且 非 常稀 疏 。 （ 能够 发 现 任 意形 状 的 聚类 ： 多 聚类 算 法 ７） 许
作 者简介 ： 锐利 （１７ 一）， ， 原理 工 大学 计 算机 李 ９２ 女 太 科 学 与 技 术 学 院在 职 工 程 硕 士 研 究 生 ，工 程 师 。Ｔ ｌ ｅ：
１ ７ ３ ６ ３ ． — ｉ ｚ ｈ ７ ８ ６ ．ｏ ３ ５ ２ ６１ Ｅ ｍａ ｌ ｈ ４ ９ ＠１ ３ ｃ ｍ １ ：
要： 介绍 了数 据挖掘对聚 类分析 方法提 出的要 求和聚类分析方法的分类及其代表性 的主要 算法 ， 并对算 法
聚类算法 分 类
进 行 了性 能 比较 。
关键词 ： 数据 挖 掘
中图分类号 ： Ｐ １ Ｔ ３１
文献标识码 ： Ａ
Biblioteka Baidu
收稿 日期 ：００ ０ — ０ ２ １— ４ ３
数 据挖 掘 的 目的是对 海 量 的数 据进行 智 能 化 的 处理 ， 提取 出我们 感兴 趣 的知识 。 谓 聚类是 将数 据 所 对 象 分组 成 为 多 个 类 或簇 （ ｌｓ ｒ ， 分 的原 则 是 Ｃｕｔ ）划 ｅ
方 法 、 于网格 的方 法［ 基 。 ２１ 划分 法 ．
给定一 个有 ｎ个 对 象 的数 据集 ，划 分 聚类 技术
将构造数据 后 个划分 ， 每个划分就代表 １ 个簇 ，≤ｎ ｋ 即将 数 据划 分 为 ｋ个 簇 ，而 且这 ｋ个划 分满 足 两个 条件 ： 每一个簇至少包含 １ 个对象 ； 每一个对象属于
一
据， ， 如 序数型 、 布尔型、 枚举型及混合数据类型。 （） ６ 挖掘算法应具有处理高维数据 的能力 ： 既
可处理 属性 较少 的数 据 ， 能处 理属 性 较多 的数 据 。 又 很 多 聚类算 法擅 长处 理低 维 数 据 ，一般 只涉 及 两到 三 维 ，人类 对两 三维 数 据 的聚类 结 果很 容易 直 观地 判 断聚 类 的质量 。 是 ， 但 高维 数据 聚类 结果 的判 断就 不 是那 样直 观 了 。数 据对 象 在 高维 空 间的 聚类是 非
山 西 冶 金
Ｓ ＨＡＮＸＩ ＭＥ ＡＬ Ｕ Ｔ Ｌ ＲＧＹ
Ｔ ｔｌ ２ ｏａ １ ５
Ｎｏ３， ． ２０１ ０
文章 编 号 ：６２ １５ （ ０ ０ ０ — ０ １０ １７ — １２ ２ １ ）３ ０ ３ — ２
数据挖掘 中聚类算法的研究
李锐 利
（ 太原理工大学 ， 山西 摘 太原 ００２ ３０ ４）
数据 ， ， 如 聚类算法对 于这样的数据敏感 ， 会导致质 量低 的 聚类结果 。
（ 具 有 处理 不 同类 型 属 性 的 能力 ： 处理 数 ５） 可 值型数据 、 非数值型数据 、 离散数据 、 连续域内的数
在同一个簇中的对象之间具有较高的相似度 ，而不 同簇 中的对象差别较大。聚类分析在数据挖掘中是 项非常重要 的技术聚类方法 ， 适合处理巨大的、 复 杂的数据集 ， 发掘数据的内在关联。
分析当中， 多聚类算法要求用户输入一定 的参数 ， 许 如， 希望得到的簇的数 目。 聚类结果对于输入的参数
很 敏 感 ， 常 ， 数 较 难 确定 ， 别是 对 于 含有 高 维 通 参 特 对 象 的数据 集更 是如 此 。一个 好 的聚类 算 法应对 这
个 问题 给 出一个 好 的解决 方法 。
１ 数 据挖掘 对聚 类分 析 方法 的典型 要 求
要挖 掘 巨大 的 、 杂 的数据 集 间 的关 系 ， 聚类 复 对 分 析技术 提 出 了特 殊 的挑 战 ，要求 算 法具 有 可伸 缩 性、 处理 不 同类型属 性 的能 力 、 现任 意形 状 的类 的 发
能力 、处理高维数据的能力等 。根据潜在的各项应
山 西 冶 金
Ｅ ｍａ ： ｊ ｓ＠１ ６ｔｍ － ｉｙ ｉ ｘ ２ ． ｌｅｎ ｏ
第 ３ 卷 ３
且仅属于 １ 个簇 。 对于给定的 ｋ算法首先给出一个 ， 初 始 的划 分方法 ， 以后 通过 迭代 的方法 改 变划分 ， 使 得每一次改进之后的划分方案都较前一次更好 。所 谓 好 的标 准是 ， 同一簇 中的对 象越 近越好 ， 而不 同簇
输入 可能产生差别 较很大 的聚类结果 。 研究和 开发对
通常按照聚类分析算法的主要思路 ，它可以分
为以： 划分 法 、 次 法 、 于模 型 的方法 、 于密 度 的 层 基 基
数据输入顺序不敏感的算法具有重要的意义。 （ 处 理 噪声数 据 的能 力 ： ４） 在现 实 应 用 中大 多 数数据都包含 了孤立点、 空缺、 未知数据或者错误的