邹臣嵩,刘 松

(1.广东松山职业技术学院电气工程系，广东 韶关 512126； 2.广东松山职业技术学院机械工程系，广东 韶关 512126)

0 引 言

聚类分析作为一种探索性分析方法被广泛应用于模式识别、计算机视觉、数据挖掘等领域中，其目的是根据相似性原则将物理或抽象的对象集合分成若干个子集，并分析各子集中的数据之间的内在联系、规律和特点[1]。K-means聚类算法是应用最为广泛的划分方法之一，其实现简单、快速，并且能有效地处理大数据集，但该算法对初始聚类中心和异常数据较为敏感，且不能用于发现非凸形状的簇，因此聚类结果不稳定[2-3]。为了解决K-means算法的这些问题，研究人员围绕簇中心的选择与优化提出了新的计算方法[4-10]，提高了原算法的聚类质量，减少了聚类时间，但这些改进的聚类算法更多注重初始聚类中心的选择，针对的对象往往是低维数据，因此，当数据的维度升高、分布相对稀疏时，其聚类结果难以预料，这是因为在高维空间中，数据对象间的距离几乎一致，所以基于距离和密度的聚类算法在面对高维数据集时，整体性能有所下滑[11]。此外，随着数据特征维度的增加，不相关的特征值会产生大量的冗余信息，在一定程度上屏蔽了那些与真实聚类结果关系密切的特征信息，从而进一步地影响了算法的聚类结果。因此，聚类算法的改进不仅需要寻找合理的初始聚类中心，还要对原始数据进行有效的预处理，尤其对于高维数据，在对其降维的同时，应尽可能地挖掘并保留能够对聚类结果的划分产生重要影响的“核心特征”。……