1、作為數據挖掘中重要的技術——聚類分析，它按照相似原則將數據進行分類.在無監(jiān)督學習下，聚類的最終結果是將海量的數據有效地劃分為各個子類，使得同一個類別中數據對象的相異度盡可能低，不同類別中數據對象的相異度盡可能高.目前，數值型數據的聚類已經取得較好的成果了，如經典的k-means算法已得到廣泛的應用和推廣.然而在實際生活中，存在大量的分類型數據.由于分類型數據不具有數值型數據的幾何特性，所以無法直接進行數值運算.于是，分類型數據的聚類相對

2、來說就變得比較復雜，它是學習算法中重要而又棘手的問題之一.近年來，許多學者針對分類型數據的聚類進行了探索和改進.
　　針對k-means算法不適用于分類型數據這一問題，k-modes算法在此基礎上進行了拓展.本文針對了k-modes聚類算法中的若干問題進行了研究，并對比和分析了現有的各種改進后的k-modes算法.傳統(tǒng)的k-modes算法采用0-1匹配方法定義每兩個對象屬性之間的距離，不僅沒有將整個數據集的分布考慮進來，而且忽視了

3、屬性間的相互關系對距離的影響，導致差異度度量不夠準確.針對以上問題，本文的研究成果主要有以下幾個方面:
　　(1)從互信息的角度出發(fā)，基于相互依存冗余理論定義了同一屬性下不同屬性值之間的距離，進一步改進了Hongjia提出的距離公式.改進后的距離由內部距離和外部距離兩個部分決定，內部距離體現了每兩個對象屬性值本身的差異度，外部距離體現了其他屬性對該屬性的影響程度.
　　(2)本文將基于相互依存冗余的距離應用于k-modes算

4、法中，并分析了改進后算法的時間復雜度.與基于其他距離度量的k-modes算法進行實驗比較，結果表明基于相互依存冗余度量的k-modes算法不僅能有效處理大規(guī)模數據，而且能有效提高算法的聚類精度.
　　(3)從屬性值共現的思想出發(fā)，基于結構相似性計算模型給出一種新的相異度度量方法，并將其應用于傳統(tǒng)的k-modes算法，同時分析了改進后算法的時間復雜度.該方法不僅考慮了屬性值它們本身的異同，而且考慮了它們在其他屬性下所處的狀態(tài).實驗結