1、聚類分析是數(shù)據(jù)挖掘中的一種重要技術(shù)，它依據(jù)對(duì)象的相似性將對(duì)象集合劃分成組，該技術(shù)已廣泛應(yīng)用在統(tǒng)計(jì)分析、模式識(shí)別、圖像處理等領(lǐng)域。K-均值算法是聚類分析中廣泛使用的一種算法，它具有簡單高效的優(yōu)點(diǎn)，然而存在這樣的缺陷：對(duì)初始聚類中心的選擇異常依賴和敏感，且在指派對(duì)象到最近簇階段要進(jìn)行大量的循環(huán)迭代。為此，本文對(duì)該算法做了深入的分析和研究，設(shè)計(jì)了兩種K-均值改進(jìn)算法，并在最后基于校企合作項(xiàng)目，在服裝生產(chǎn)的兩個(gè)方面做了算法的應(yīng)用研究。本文主要工

2、作內(nèi)容如下：
　?。?）針對(duì)K-均值算法的缺陷，在初始聚類中心選取方面，設(shè)計(jì)了一種基于排序劃分的聚類初始化方法；在循環(huán)迭代方面，設(shè)計(jì)了一種指派對(duì)象到最近簇的優(yōu)化方法。實(shí)驗(yàn)表明，在處理低維數(shù)據(jù)上此改進(jìn)算法簡單有效，能在很大程度上提高聚類精度和效率。
　　（2）針對(duì)K-均值算法在處理中高維數(shù)據(jù)上的性能下降，設(shè)計(jì)了基于Kd-樹的K-均值改進(jìn)算法。在聚類中心初始化方面，采用Kd-樹劃分子樣的方法選取；在循環(huán)迭代方面，通過對(duì)聚類中心構(gòu)

3、建Kd-樹來指派對(duì)象到最近簇。實(shí)驗(yàn)表明，在處理中高維數(shù)據(jù)上此改進(jìn)算法依然具有較高的聚類精度和效率，尤其在聚類精度上明顯優(yōu)于傳統(tǒng)K-均值算法。
　?。?）基于校企合作項(xiàng)目，通過引入聚類分析在服裝生產(chǎn)的兩方面做了嘗試性的應(yīng)用研究。一方面是根據(jù)操作熟練程度的不同，采用基于排序劃分的改進(jìn)算法對(duì)工人進(jìn)行聚類，依此配置合理的生產(chǎn)線；另一方面是針對(duì)人工測量標(biāo)準(zhǔn)工時(shí)的傳統(tǒng)方法，采用基于Kd-樹的改進(jìn)算法對(duì)大量生產(chǎn)工時(shí)數(shù)據(jù)做聚類分析，據(jù)此來制定服裝