1、聚類(lèi)分析是統(tǒng)計(jì)學(xué)的重要分支，傳統(tǒng)的研究是基于相似性度量的選擇，或基于劃分的迭代方法，來(lái)對(duì)樣本進(jìn)行劃分，并將類(lèi)內(nèi)距離最小及類(lèi)間距離最大作為評(píng)判標(biāo)準(zhǔn)。隨著現(xiàn)代社會(huì)信息化技術(shù)的發(fā)展，聚類(lèi)分析用于醫(yī)學(xué)、生物、商業(yè)、金融等各行業(yè)中時(shí)，對(duì)聚類(lèi)效果的評(píng)價(jià)有了更新的要求，這就是要求聚類(lèi)方法具有發(fā)現(xiàn)任意形狀的簇的能力，把聚類(lèi)的劃分結(jié)果符合客觀也作為評(píng)價(jià)標(biāo)準(zhǔn)。
　　 基于密度的方法具有很好的識(shí)別各種簇形狀的能力，但該方法依賴(lài)于參數(shù)的人工選擇，影響了

2、其穩(wěn)定性。本文主要的研究是針對(duì)提升聚類(lèi)的簇形狀識(shí)別能力及提升穩(wěn)定性?xún)煞矫嬲归_(kāi)。
　　 本文的主要研究工作有：
　　 (1)為了刻畫(huà)樣本間的相互作用及近鄰關(guān)系，引入了深度函數(shù)模型和鄰接樣本的概念。
　　 (2)為了識(shí)別樣本的不同分布，設(shè)計(jì)了下列統(tǒng)計(jì)量：壩距，最大壩距比，最大最小壩距差。實(shí)驗(yàn)表明這些統(tǒng)計(jì)量在識(shí)別樣本的峰度信息方面有很好的效果。
　　 (3)在上述統(tǒng)計(jì)量的基礎(chǔ)上，引入了分布離散度的概念和計(jì)算方法

3、，實(shí)驗(yàn)表明分布離散度是識(shí)別分布性狀的更穩(wěn)定的統(tǒng)計(jì)量。
　　 (4)基于上述統(tǒng)計(jì)量設(shè)計(jì)了一種自上而下的分裂方法：IACD方法，實(shí)驗(yàn)表明其對(duì)不同分布的樣本均具有很好的識(shí)別能力。
　　 (5)將本文提出的IACD方法與經(jīng)典方法(DBSCAN方法)以及其改進(jìn)算法ACNUD算法進(jìn)行了對(duì)比分析，表明IACD方法在識(shí)別能力和穩(wěn)定性方面具有優(yōu)勢(shì)。
　　 (6)為了將IACD方法用于高維數(shù)據(jù)，設(shè)計(jì)了基于PCA的子空間聚類(lèi)方法，應(yīng)用