李德新

摘要：该文分析了聚类分析算法的基本思想、原理、数学模型及实现过程，详细地分析了几种经典的聚类分析算法的优缺点，最后介绍了常用的聚类分析算法的有效性分析方法。

关键词：聚类分析算法;模型;有效性;评价

中图分类号：TP391        文献标识码：A

文章编号：1009-3044（2021）30-0026-02

開放科学（资源服务）标识码（OSID）：

1聚类分析的概念

在数据挖掘领域中，常常会遇到这样的一些的问题，从未加工的数据里面对有用的信息进行转换。转换过程中可以利用的技术有很多，而其中的分类是最为常用的一种转换技术。分类问题需要一个参考问题的样本数据，并且这些样本数据的属性值都是已知的。分类得到的一个非常有价值的分类规则，并可以利用这些规则进行未知类别的对象进行分类，是先验学习的经典案例。与分类相似的聚类[1]是将一个大数据集划分为许多子集的过程。在这个问题中，与分类所遇到的已知信息相比要少得多。在聚类过程中，待聚类的数据有关信息是不知道的，只能利用某种标准将数据进行划分到各个簇中。由此看来，聚类是一种发现数据对象内在联系的无监督的学习算法，它主要是建立在集合知识之上的一种方法。聚类分析[2]是知识发现和数据挖掘的重要方法之一。聚类的过程是对知识的发现的过程，因此由聚类得出的结果可以反映数据分布的本质特征。

2数据对象的相似性测量工具

聚类，顾名思义就是要将待处理的数据对象进行划分成类。……