数据挖掘中聚类分析算法及应用研究

张超群+孟海东

摘 要：聚类分析算法在数据挖掘领域、设备学习领域以及统计学领域等均有着重要的研究和应用意义，同时在实际的应用中也有着广泛的地位。对此，本文详细分析数据挖掘中聚类分析算法及应用。

关键词：数据挖掘；聚类分析算法；应用

DOI：10.16640/j.cnki.37-1222/t.2017.11.148

聚类分析算法是一种将给定数据实现集划分为多个类别的过程，同时同一种聚类当中数据的对象有着较高的相似性，不同的聚类之间的数据对象具备较低的相似度。一般情况下，就使用距离来看，聚类的数据之间有着较高的使用特性，能够让数据使用者更快的掌握更多的可实用性数据。对此，探讨数据挖掘中聚类分析算法及应用具备显著意义。

1 聚类分析算法

1.1 数据挖掘对聚类分析算法的主要要求

就当前的数据挖掘技术以及数据挖掘技术的应用而言，当前对聚类分析算法的主要要求有以下几点：（1）可拓展性。聚类分析算法必须对大数据、小数据都能够实现有效的计算和划分，大至网络数据，小至企业人数数据等；（2）处理不同类型的数据功能[1]。聚类分析算法必须兼备不同的类型数据处理功能，例如能够处理经济数据也可以处理工程类数据；（3）发现任何关联性的聚类。聚类分析算法不仅能够发现具备类似大小、密度的球状聚类或圆形聚类，还能够发现各种任意形状但是具备一定类似性的聚类；（4）降低用户的输入参数两。用户在输入参数量时必然带有一定的主观性，所以在参数量输入得够多时则整体分析结果也就更加主观化，整体分析结果也就显得越发不准确。……