陈新泉,周灵晶，戴家树，周 祺

(1.安徽工程大学 计算机与信息学院，安徽 芜湖 241000；2.安徽工程大学 教育工会，安徽 芜湖 241000)

作为统计学中多元统计分析方法的一种重要技术，聚类分析试图发现未知数据中的内在结构或分布规律。在机器学习中，聚类被称为无监督学习，指的是试图发现无标记数据中的内在分布结构，让划分后的簇表现出数据的自然结构特点。聚类可以让缺乏先验信息的数据集获得其内在的分布结构(聚类的数目、大小、分布位置及空间结构等信息)，进而为半监督学习、监督学习、数据压缩等一些后续操作提供一定的辅助信息。通常，同一聚类中的数据应该比不同聚类间的数据更为相似，不同聚类间的数据应该具有较大的差异。聚类在许多领域都有应用，如：心理学和其他社会科学、生物学、统计学、模式识别、信息检索、机器学习和数据挖掘。

聚类分析属于一个交叉研究领域，它融合了多个学科的方法和技术。Qlan Wei-ning等从多个角度分析了现有的许多聚类算法，给出了一些优缺点比较分析结果。Johannes Grabmeier等从数据挖掘的角度(如相似度的定义、相关的优化标准等)分析了许多聚类算法。Arabie和Hubert的专著是早期聚类分析领域的一本很有价值的参考文献。Jain等对一些经典聚类算法进行了很好地比较与分析，这是聚类分析领域早期一篇经典的综述文献。2000年后，Rui Xu等和Anil K.Jain对聚类算法分别做了较为全新的综述分析。

传统的聚类算法一般可分为基于划分的聚类方法、层次聚类方法、密度聚类方法、网格聚类方法、模型聚类方法、图聚类方法等。……