徐德刚　徐戏阳　陈晓　赵盼磊　苏志芳　谢永芳　阳春华

摘要：针对一致聚类算法中聚类数目判断不准确、聚类速度慢等问题，通过集成复杂网络中的Newman贪婪算法与谱聚类算法，提出了一种新的基于Minkowski距离的一致聚类算法。该算法利用Minkowski距离刻画样本间的相似度，根据随机游走策略，结合不同数据的特征值分布分析方法进行聚类，实现聚类数目的自动识别。实验仿真说明算法具有较少的运算时间及较高的聚类精度。结合实际铜矿泡沫浮选过程特点，将该算法应用于浮选工况分类，进一步验证了算法的有效性。

关键词：一致聚类；Minkowski距离；一致矩阵；聚类数目；工况识别

中图分类号：TP273 文献标识码：A

聚类分析作为一种有效的数据处理方法，在复杂工业工程中得到了广泛关注。近年来涌现出了多种聚类分析方法，包括层次聚类算法、划分式聚类算法（如K-modes-Huang算法等）、基于网格和密度的聚类算法（如网格密度等值线聚类算法、基于移位网格概念的密度和网格的聚类算法SGCE）等。这些聚类方法在多个领域得到广泛应用，其理论也得到不断的丰富和发展。

但是对不同结构特征的数据进行聚类分析时，现有的聚类方法遇到了难题，如相似度矩阵的选取问题、聚类数目的自动确定等。而一致聚类方法的提出，成为解决聚类问题的一种重要分析方法。该方法也称作聚类集成或划分算法，即针对某一特定的数据获得多种数目的不同聚类结果，并从中选取最能反映聚类信息的类别。……