1、伴隨著信息科學(xué)技術(shù)的飛速發(fā)展,全球的信息量爆炸似的劇增,要從這些復(fù)雜的數(shù)據(jù)中獲得我們所需要且有價(jià)值的信息是一件非常艱巨和具有挑戰(zhàn)性的任務(wù),人們結(jié)合數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)以及機(jī)器學(xué)習(xí)等多種技術(shù),提出了數(shù)據(jù)挖掘來(lái)解決這一難題。聚類(lèi)分析是數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)重要組成部分,是一種用于數(shù)據(jù)劃分或者分組處理的重要手段。聚類(lèi)分析在市場(chǎng)分析、圖像處理、web文檔分類(lèi)等方面都得到了充分的應(yīng)用。本文在詳細(xì)介紹聚類(lèi)分析相關(guān)知識(shí)的基礎(chǔ)之上,分析了國(guó)內(nèi)外現(xiàn)有的聚類(lèi)算法,

2、著重研究了基于路徑的劃分聚類(lèi)算法,本論文的主要研究?jī)?nèi)容如下：(1)針對(duì)傳統(tǒng)的K-均值算法對(duì)初始聚類(lèi)中心和孤立點(diǎn)敏感的問(wèn)題,本文提出了一種基于點(diǎn)密度的初始聚類(lèi)中心選取方法。該方法可以使在聚類(lèi)過(guò)程中初始聚類(lèi)中心的選取更加有效；并且對(duì)孤立點(diǎn)進(jìn)行特殊處理,不影響用迭代法計(jì)算聚類(lèi)中心的值,理論和實(shí)驗(yàn)均表明基于初始聚類(lèi)中心優(yōu)化的K-均值算法優(yōu)于傳統(tǒng)的K-均值算法。(2)針對(duì)傳統(tǒng)的劃分聚類(lèi)算法對(duì)空間分布為任意形狀的數(shù)據(jù)集聚類(lèi)效果較差的問(wèn)題,本文提出了