沈阳职业技术学院 曹 硕

1 引言

目前，随着物联网技术的发展，对大数据进行高效的数据挖掘有着重要的意义，其中聚类是一个数据分析的常用方法，能够在缺少先验信息的情况下分析数据的分类[1]。常用的聚类方法分为层次聚类和划分聚类，本文采用的是后者。划分聚类首先要确定自然簇的质心位置，再根据质心进行数据的分类划分。本文在划分聚类的基础上进行了改进，主要分为4个步骤：抽样、确定自然簇质心的初始位置、初始位置更新和数据分类划分。以下进行详细说明。

2 改进划分聚类方法

2.1 抽样

现抽取出一个总数为k的小数据集，同时要保证抽样结果包含了所有自然簇[2]，并与原始数据集具有相同的函数分布。

2.2 确定自然簇质心的初始位置

假设各抽样面积不相交且并集覆盖所有类别的自然簇，抽样自然簇与原始数据集质心位置相似。对抽样数据进行聚类，可得簇质心的初始位置，该位置通常与原始数据集的簇质心有一定差距，后期可通过均值更新对该位置进行校正[3]。确定自然簇质心的初始位置分为两个步骤，首先将各抽样数据进行聚类，然后整理聚类结果[4]。

2.3 初始位置更新

由于簇质心的初始位置与真实位置存在一定的差距，通过利用抽样后的剩余数据更新该位置以实现校正。采用了最小距离的分类原理，将剩余数据样本根据与各质心的远近程度来分配给各个簇。

2.4 数据的分类划分

数据的分类划分要由上一节更新得到的自然簇质心位置决定，同时根据上文提到的最小距离法进行数据划分，通过计算数据和簇质心的最小距离来确定数据类别的最终分配。……