数据挖掘之聚类算法综述.pdf

第 28卷第5期 (2012) 河西学院学报 Vo1．28No．5(2012) 数 据 挖 掘 之 聚 类 算 法 综 述 方 媛 车 启 凤 2 (1．河西学院信息技术中心；2．河西学院信息技术与传媒学院，甘肃 张掖 734000) 摘 要：近年来，数据挖掘技术的研究备受国内外关注，其主要原 因是信息技术发展产生了大量 分散的数据，迫切需要将这些数据转换成有用的信息和知识．此前的研究，主要集中于分类算法及应用 方面的研究，但某些特殊领域，如生物信息学研究等，需要通过聚类方法解决一些实际问题．本文从横 向深入分析了数据挖掘技术中聚类算法的发展，对层次法、划分法、模糊法，以及量子聚类、核聚类， 基于密度和网格等10种聚类算法的原理、过程和特点等都进行了比校详细的分析论述． 关键词：数据挖掘 ：聚类算法 中图分类号：TP31l 文献标识码：A 文章编号 ：1672-0520(2012)05—0066—25 数据挖掘(DataMining)技术就是能从大量数据中发现有用的知识的一种技术。主要面对的挖掘对象是 以结构化数据为主的关系数据库和数据仓库 [1]．聚类分析是按照一定的性质和规律将事物进行分类的。就是 将类内相似性最大化，将类间相似性最小化的一种数据基本分析方法，非常适合挖掘数据的内在关联，为数 据集形成分类结构 [2]．聚类分析作为数量统计中多元分析的一个分支。已经被广泛地研究若干年。在各种领 域都得到了广泛的应用．当人们使用数据挖掘工具对数据进行研究的时候，首要做的工作就是为大型数据库 的有效性和实际性的寻找适当的聚类方法，因此研究和运用聚类对于完成数据挖掘具有重要的理论价值和现 实意义，那么聚类算法也就越来越引起人们的关注了． 聚类根据 “物以类聚”的原则，按照数据间的相似程度进行区分和分类。其算法的选择取决于数据的类 型、聚类的目的和应用．由于各种聚类算法之间存在很多交集，它们之间并不是完全独立的，所以很难对聚 类算法进行严格意义上的划分，现就聚类算法的发展进程分为两类 ：传统的聚类算法和新发展的聚类算法． 具体分类如图所示． 1 层次划分法 层次法对给定的数据对象集合像树一样进行层次似的分解．形成一棵聚类树。按层次分解的形成方式 自 底向上还是自顶向下，层次法可分为凝聚和分裂两大类．凝聚的方法，也称为 自底向上的方法，首先将每个 对象作为单独的一个聚类，然后根据性质和规则相继地合并相近的类。直到所有的对象都合并为一个聚类中 (层次的最上层)，或者满足一定的终止条件为止．而分裂的方法，也称为 自顶向下的方法，正好与凝聚法相 反，首先将所有的对象都看做是一个聚类，然后在每一步中，上层类被分裂为下层更小的类，直到每个类只 包含一个单独的对象，或者也满足一个终止条件为止．分裂算法将生成与凝聚方法完全相同的类集．只是生 成过程的次序完全相反[． 在凝聚或者分裂层次聚类方法中，通常以用户定义的希望得到的类的数目作为结束条件．在类的合并或 收稿 日期：2012—04—26 ． 作者简介：方媛 (1978-)，女，甘肃酒泉人，讲师，研究方向：计算机软件开发及应用． · 72 · 方 媛 车启凤 ：数据挖掘之聚类算法综述 l层次法}==雾 一一一 c—E一 K．MEANs l划分法 K-MEDOIDS Il L-大型数据库划分方法 (CLARANS) I基于密度的划分方法 (DBSCAN、OPTICS和DENCLUE) ／基于网格的划分方法 (STING、CLIQUE、WAVE．CLUSTER) 1l基于模型舫法{_墓 l基于约束的方法 (COD) ‘ f基于模糊的方法 (FCM) I基于粒度的聚类