06聚类分析方法与操作.docxVIP

技术资料6： 聚类分析方法与操作 聚类是一种应用非常广泛的数据分析方法，它是统计学的一个分 支，目前在诸多领域，包括数据挖掘、图像处理、市场研究等，都能 凸显出其重要性。聚类是将一个对象的集合分成不同的类，从而描述 数据。通过这种方式，人们能够将密集的和稀疏的区域区分开来，从 而发现全局的分布模式，以及数据属性之间有趣的相互关系。 很久以前人们就对聚类方法有所研究。传统的聚类方法主要是基 于距离的聚类，例如欧氏距离、切比雪夫距离、马氏距离⑴等。 在今天，聚类分析也是数据挖掘和知识发现领域中的重要课题。 迄今为止，人们已经提出了许多数据聚类的算法，试图解决各种领域 的聚类问题。 从目前来看，对数据挖掘中聚类方法的研究大都集中于计算机科 学领域，更多注重聚类算法的研究，或者对现有聚类方法进行算法上 的改进，而很少真正从统计学角度出发对数据挖掘中的聚类问题进行 深入分析。若尝试从统计学视角出发，以统计理论为基础，以统计方 法与算法相结合为基本思路，将一些现有的优秀统计方法，如因子分 析、对应分析等引入数据挖掘领域，则能够使其应用于海量数据的聚 类分析。 （一）聚类分析的基本概念 聚类是指将一群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，并使得同一个组内的数据对象具有较髙的相似度， 而不同组中的数据对象则是不相似的。一个聚类就是由彼此相似的一 组对象所构成的集合。在很多应用中