1、隨著互聯網技術的發(fā)展，海量的數據出現在我們的生產生活中，一種用于發(fā)現數據中隱含知識的技術——數據挖掘技術，應運而生。本文首先介紹了數據挖掘的過程，功能和研究方向等。然后介紹了聚類分析的定義及相關知識，聚類分析技術常用數據結構，數據類型和聚類方法等。詳細介紹了基于劃分的方法中的K-means算法，分析了算法的優(yōu)缺點。最后結合對聚類有效性及層次初始化的研究對K-means算法進行了改進，針對其初始化過程中存在的聚類中心與聚類數目需要事先已知

2、的不足，設計了一種能夠自動確定聚類中心與聚類數目的新算法——DHIKM算法。本文的主要工作包含以下幾點:
　　首先對聚類有效性評價指標進行研究，找出能夠對聚類結果給出較合理評價的指標。在不同特征數據集的對比試驗中發(fā)現常用的聚類有效性評價準則VIn與DBI指標在對K-means算法均勻效應的捕獲能力，對聚類結果中數據成員變動的敏感性及發(fā)現數據集聚類個數的能力方面表現良好。
　　接著研究了基于遺傳算法的K-means方法，即采用

3、遺傳算法來確定初始聚類中心，給出了詳細的算法流程和實驗結果。
　　然后對層次初始化方法進行研究，設計一種能夠合理確定初始中心的方法:對數據層層抽樣，對抽樣結束層進行聚類，將聚類中心映射到下一層作為該層的初始聚類中心并聚類，依此類推直到原始數據層，得到原始數據層的初始聚類中心，這樣就確定了原始數據集的初始聚類中心。實驗結果顯示層次初始化方法能夠有效減少需要計算的數據量并準確的找出初始聚類中心從而減少算法迭代次數，提高收斂速度。

4、>　　最后將層次初始化方法與DBI指標結合，設計了一種基于DBI的層次初始化的K-means算法(DBI based Hierarchical Initialization K-means，簡稱DHIKM)。該方法首先將原始數據網格化并層層抽樣，減小需要計算的數據量;然后在抽樣結束層的聚類過程中利用DBI指標確定最佳聚類數目;最后自上而下將抽樣結束層的聚類中心映射到下一層作為初始聚類中心并聚類得到該層的聚類中心后繼續(xù)映射，依此類推直到原