司福明

（安徽机电职业技术学院信息工程系，安徽芜湖241002）

一种基于密度的增量k－means 聚类算法研究

司福明

（安徽机电职业技术学院信息工程系，安徽芜湖241002）

介绍了k－means和DBSCAN聚类算法的基本原理和优缺点，针对传统聚类算法无法有效处理高维混合属性数据集的问题，对原有的数据归一化方法进行改进，在k－means和DBSCAN聚类算法的基础之上，结合增量聚类的思想和数据之间相异度的计算方法，提出了基于密度的增量k－means聚类算法，有效处理具有高维混合属性的数据集，改进了数据相异度的计算方法。

k－means聚类算法；改进；数据相异度

0 引言

k－means算法是1967年由MacQueen首次提出的一种经典算法［1］，经常用于数据挖掘和模式识别中，是一种无监督式的学习算法，其使用目的是对几何进行等价类的划分，即对一组具有相同数据结构的记录按某种分类准则进行分类，以获取若干个同类记录集［2］。k－means聚类是近年来数据挖掘学科的一个研究热点和重点，这主要是因为它广泛应用于地球科学、信息技术、决策科学、医学、行为学和商业智能等领域。迄今为止，很多聚类任务都选择该算法［3］。

1 k－means聚类算法

1．1 k－means基本思想

k－means聚类算法是经典的基于划分的聚类算法，它的目标是将数据集划分成k个簇，使每个簇中数据之间的相异度尽可能的小，而簇间数据之间的相异度尽可能的大［4］。由于k－means聚类算法思想较为简单，因此k－means聚类算法得到了广泛的应用。例如，基于距离的差异性函数，使得根据数据集的属性，在同一个簇中的对象是“相似的”，而不同簇中的对象是“相异的”［5］。……