数据挖掘常用聚类算法研究

赵学武　刘向娇　尹孟洋

摘要：信息社会的发展，使数据量以前所未有的速度在增长，因此从海量数据中获取有用的知识和信息就变得越来越重要。数据挖掘是一种综合多领域知识而形成的数据分析技术，能够从大量数据中获取有价值的知识并为决策提供支持。聚类分析算法是数据挖掘中的一个核心内容，也是目前研究的一个热点。该文首先讲述了基于划分的聚类算法、基于分层的聚类算法、基于密度的聚类算法和基于网格的聚类算法等常用的聚类分析算法，并分析了其特点；然后通过举例详细描述了最近邻聚类算法的操作过程。聚类算法的总结，对聚类的研究和发展具有积极意义。

关键词：数据挖掘；聚类；聚类算法；簇；核密度

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）16-3710-03

Abstract：The development of the information society make the amount of data growing at an unprecedented rate， and so to obtain useful knowledge from huge amounts of data and information becomes more and more important. Data mining is a data analysis technique formed by integrating multi-domain knowledge， which can acquire valuable knowledge from large amounts of data and provide support for decision. Clustering analysis algorithm in data mining is a core content， which is also a hotspot in the research of the current. This article first describes commonly used clustering algorithms that include the clustering algorithm based on classification， the clustering algorithm based on hierarchies and the clustering algorithm based on density and the clustering algorithm based grid， and then analyzes their characteristics. The operation process of nearest neighbor clustering algorithm is illustrated in detail by an example. The summary of the clustering algorithms has positive significance for the research and development of clustering.

Key words： data mining； clustering； clustering algorithm； cluster； kernel density

近年来，通信技术、计算机技术、信息技术的快速发展和不断完善，使社会上每天产生了大量的诸如文本、音频、视频、图像等数据。面对这些海量数据，如何从中找到有价值的知识和信息是目前研究者研究的一个重要课题，数据挖掘技术在这种背景下应运而生了。数据挖掘是从大量数据中提取或挖掘出潜在的、有价值的、可理解的知识和规则的过程，并为用户决策提供支持。作为一个应用驱动的领域，数据挖掘吸纳了诸如统计学习、机器学习、模式识别、数据库和数据仓库、信息检索、可视化、算法、高性能计算和许多应用领域的大量技术[1]。数据挖掘是一种新式的具有一定深度的数据处理技术；……