杜淑颖

摘要：就精确系数不算太严格的情况而言，针对各种大型数据集，通过对比各种聚类算法，提出了一种部分优先聚类算法。然后在此基础之上分析研究聚类成员的产生过程与聚类融合方式，通过设计共识函数并利用加权方式确定类中心，在部分优先聚类算法的基础上进行聚类融合，从而使算法的计算准度加以提升。通过不断的实验，我们可以感受到优化之后算法的显著优势，这不仅体现在其可靠性，同时在其稳定性以及扩展性、鲁棒性等方面都得到了很好的展现。

关键词：部分优先聚类算法；聚类融合；效率；精度

中图分类号：TP393

文献标识码：A

DOI： 10.3969/j.issn.1003-6970.2016.01.030

0 引言

针对大型的数据来说，过去的聚类手段存在下面两个关键的不足。首先就是其数据集不够稳定，与低维相比，高维的分布更加广泛，这往往会出现数据之间等距的现象，通常而言，我们会按照距离来展开聚类工作，这样意味着高维数据集的构建难度进一步加大；其次，就高维数据集而言，其内在的属性往往没有直接的联系，所以基本上在所有维中存在类的概率为0。

1 部分优先聚类算法（Partial PriorityAlgorithm PPA）

就引言中的问题展开研究，进而提出部分优先算法，首先将第一类从原始数据中分离出来，删除第一类数据后，再分离形成第二类，反复循环下去，我们会发现其计算速度非常快，但是不满足使用的准确度要求，这种算法十分适用于准确度要求不是十分严格的数据集的计算。针对其准确度不足的情况，我们结合使用了加权的方法来确定类中心，以此来提升其稳定性与典型程度，这对于聚类的稳定性、延伸性以及时效性都是十分有利的。……