第6章 聚类分析.pdf

数据挖掘 第六章 聚类分析 聚类（ ）是一个将数据集划分为若干组（ ）或类（ ）的 过程，并使得同一个组内的数据对象具有较高的相似度；而不同组中的数据对象 是不相似的。相似或不相似的描述是基于数据描述属性的取值来确定的。通常就 是利用（各对象间）距离来进行表示的。许多领域，包括数据挖掘、统计学和机 器学习都有聚类研究和应用。 本章将要介绍对大量数据进行聚类分析的有关方法；同时也还将介绍如何根 据数据对象的属性来计算各数据对象之间的距离（不同）。有关的聚类方法（类 型）主要有：划分类方法、分层类方法、基于密度类方法、基于网格类方法和基 于模型类方法。此外本章的最后将要介绍利用聚类方法进行异常数据（ ） 检测的有关内容。 将一组（ ）物理的或抽象的对象，根据它们之间的相似程度，分为若干 组（ ）；其中相似的对象构成一组，这一过程就称为聚类过程（ ）。 一个聚类（ ）就是由彼此相似的一组对象所构成的集合；不同聚类中对象 是不相似的。就是从给定的数据集中搜索数据项（ ）之间所存在的有价值 联系。在许多应用，一个聚类中所有对象常常被当作一个对象来进行处理或分析 等操作。 聚类分析是人类活动中的一个重要内容。早在儿童时期，一个人就是通过不 断完善潜意识中的分类模式，来学会识别不同物体，如：狗和猫，或动物和植物 等。聚类分析已被应用到许多领域，其中包括：模式识别、数据分析、图像处理 和市场分析等。通过聚类，人可以辨认出空旷和拥挤的区域，进而发现整个的分 布模式，以及数据属性之间所存在有价值的相关关系。 聚类分析的典型应用主要包括，在商业方面，聚类分析可以帮助市场人员发 现顾客群中所存在的不同特征的组群；并可以利用购买模式来描述这些不同特征 的顾客组群。在生物方面，聚类分析可以用来获取动物或植物所存在的层次结构 （ ），以及根据基因功能对其进行分类以获得对人群中所固有的结构更 深入的了解。聚类还可以从地球观测数据库 中帮助识别具有相似的土地使用情况 的区域。此外还可以帮助分类识别互联网上的文档以便进行信息发现。作为数据 挖掘的一项功能，聚类分析还可以作为一个单独使用的工具，来帮助分析数据的 数据挖掘 第六章 聚类分析 分布、了解各数据类的特征、确定所感兴趣的数据类以便作进一步分析。当然聚 类分析也可以作为其它算法（诸如：分类和定性归纳算法）的预处理步骤。 数据聚类分析是一个正在蓬勃发展 的领域。聚类分析所涉及的领域包括：数 据挖掘、统计学、机器学习、空间数据库技术 、生物学和市场学等。由于各应用 数据库所包含的数据量越来越 大，聚类分析已成为数据挖掘研究中一个非常活跃 的研究课题 。 作为统计学的一个分支，聚类分析已有多年的研究历史，这些研究主要集中 在基于距离的聚类分析方面。许多统计软件 包，诸如： - 、 和 ， 都包含基于 -均值、 -中心等其它许多聚类分析工具。 在机器学习中，聚类分析属于一种无 （教师 ）监督 的学习方法。与分类学习 不同，无 （教师 ）监督 学习不依靠事先确定的数据类别，以及标有数据类别的学 习训练样本集合。正 因为如此，聚类分析又是一种通过观察 学习方法 （