层次聚类方法CURE算法研究.pdfVIP

第5卷第11期2005年11月 科 技 和 产 业 V01．5No．11 Science ⑥2005 167l一1807(2005)11—0022—03 Technology蚰dIndustry 层次聚类方法的CUIm算法研究 魏桂英郑玄轩 (北京科技大学管理学院，北京100083) 摘要：层次聚类方法是一种发展比较早、应用广泛的聚类方法。本文重点总结研究了聚类技术中层次聚类方法的典型算法一 cI瓜E算法，并给出了一个详细的手工解析示例。 关键词：cI瓜E算法；层次聚类；聚类 学科分类号：哪11 文献标识码：A 空间中固定数目的具有代表性的点。一个类的代表点 1层次聚类方法 通过如下方式产生：首先选择类中分散的对象，然后 层次聚类方法【11(HierarchicalClusteringMethod)根据一个特定的分数或收缩因子“收缩”或移动它们。 是一种发展比较早、应用广泛的聚类方法，按采用“自 在算法的每一步，有最近距离的代表点对(每个点来 自于一个不同的类)的两个类被合并。 顶向下(Top—Down)”和“自底向上(Bottom—Up)”两种 方式，分别被称为分解型层次聚类法(Divisive Hiemrchical 应非球形的几何形状。类的收缩或凝聚可以有助于控 Clustering)和聚结型层次聚类法 Hierarchical (AggIomerativeC1ustering)。层次聚类方 法采用一种迭代控制策略，使聚类逐步优化。它是按 健壮，而且能够识别非球形和大小变化比较大的类。 照一定的相似性判断标准，合并最相似的部分或者分 割最不相似的部分。 法组合：一个随机样本首先被划分，每个划分被部分 分解型层次聚类法，首先将所有对象置于一个类 聚类。 中(即将所有的对象看成一个类)，然后逐渐细分，使 CURE算法的思想主要体现在如下几个方面[3]： 其变为越来越小但个数越来越多的类，直到每个对象 独自构成一类，或满足了一定的终止条件．例如达到 始的时候，每一个对象就是一个独立的类，然后从最 了某个希望的聚类数目。或者两个最近的类之间的距 相似的对象开始进行合并。 离超过了阈值。 (2)为了处理大数据集，采用了随机抽样和分割 聚结型层次聚类法，首先将每个对象(自身)作一 个类，然后合并这些原子类为越来越大的类，直到所 量，提高算法的效率。在样本大小选择合适的情况下， 有的对象都在一个类中。或者满足某个终止条件为 一般能够得到比较好的聚类结果。另外，CURE算法 止。大多数层次聚类方法都属于这类方法，只是它们 还引入了分割手段，即将样本分割为几个部分，然后 在类间距离定义描述方面有所不同。 针对各个部分中的对象分别进行局部聚类．形成子 类。再针对子类进行聚类，形成新的类。 2 CURE算法思路和步骤 (3)传统的算法常常采用一个对象来代表一个 绝大多数聚类算法或者擅长处理球形和相似大 类，而CURE算法由分散的若干对象．在按收缩因子 小的聚类．或者在存在孤立点时变得比较脆弱。 移向其所在类的中心之后来代表