陈伟++李红++王维

摘要：聚类是数据挖掘核心技术之一，是一门新兴的学科。聚类技术要使一个类簇内的实体是相似的，不同类簇的实体是相异的。从聚类研究现状谈起， 描述聚类概念和分类方法，介绍K-means算法的思想，并利用K-mean算法实现了iris数据集的分类，完成相关测试和实验验证。

关键词：聚类分析；K-Means算法；数据挖掘

中图分类号：TP301.6 文献标识码：A 文章编号：1007-9416（2017）10-0118-02

聚类是数据挖掘技术中一个非常重要的分支，它是在没有任何先验知识的前提下，从海量数据中提取出有价值的、未知的数据。实现满足要求的簇的集合。

1 聚类分析研究现状

聚类分析是一个将数据集划分成若干个子集的过程，并使同一集合内的数据对象具有较高的相似度，而不同集合中的数据对象不相似。国内外对聚类分析的研究已经有很多年，学者们研究的主要内容是基于距离的聚类分析，K-Medoids算法、K-Means算法以及其他的聚类算法的挖掘工具在众多的统计软件或者系统中得到广泛的应用。

1967年，MacQueen首次提出K均值聚类算法（K-means算法）。迄今为止，很多聚类任务都选择该经典算法。该算法的核心思想是找出K个聚类中心、，…，，使得每一个数据点和与其最近的聚类中心的平方距离和被最小化。

1998年，Huang为克服K-Means算法仅适合于数值属性数据聚类的局限性，提出了一种适合分类属性数据聚类的K-Modes算法，该算法对K-Means算法进行了3点扩展：引入了处理分类对象的新的相异性度量方法，使用modes代替means，并在聚类过程中使用基于频度的方法修正modes，以使聚类代价函数值最小。……