杜洪波，白阿珍，朱立军

（1.沈阳工业大学 理学院，沈阳 110870；2.北方民族大学 信息与计算科学学院，银川 750021）

0 引言

数据的爆炸式增长是大数据时代到来的一个显著性的标志。虽然，数据量是大的，但是，数据中蕴含的知识只是其中很小的一部分。如果能将数据中蕴含的知识提取出来加以利用会带来重大价值。传统的工具和软件技术在处理大规模数据时已经显得力不从心，因此，为了找出数据中有价值的知识，人们经过不懈地探索，发现了数据挖掘技术。而聚类分析是该技术的一个研究热点，并且，往往用来做分类工作。

聚类分析(ClusterAnalysis)又被称为群分析，为无监督学习，并且，它无需任何先验知识就可以发现数据的分布模式[1，2]。“物以类聚”为它的关键特征。自聚类出现以来，出现了许多不同类型的算法来满足聚类的不同需求和挑战，其中包括基于划分的聚类算法[3]、基于层次的聚类算法[4]、基于密度的聚类算法[5]、基于网格的聚类算法[6]和基于模型的聚类算法[7]以及近几年提出的新的聚类算法[8]。

K-means算法是典型的基于划分的聚类算法。由于其优点而在实际中被广泛应用[9]，但是，其也存在着一些缺点。学者们根据应用环境不同以及实际要求，以经典的K-means算法为基础，针对其存在的多种缺陷，提出很多改进算法。

针对算法对初始聚类中心敏感的不足之处，薛卫等[10]提出一种空间密度相似性度量K-means算法，该算法利用可伸缩空间密度的相似性距离来度量数据点之间的相似度，并将密度和距离一起当作选择初始聚类中心的相关因子，以及根据类内距离进行迭代的一种新的类中心迭代模型，实验证明，该算法可得到更加合理的初始聚类中心。……