基本信息

---

下载

文档摘要

---

探索密度敏感的层次化聚类算法：原理、优化与应用

一、引言

1.1研究背景与动机

在信息技术飞速发展的当下，数据量呈爆炸式增长，数据的复杂性也不断提升。从商业领域的消费者行为分析，到医疗领域的疾病诊断数据处理，再到图像识别中的图像特征分析等，各领域所涉及的数据不仅规模庞大，其维度和分布也愈发复杂。聚类算法作为数据挖掘和机器学习领域中的重要技术，能够在无先验知识的情况下，将物理或抽象对象的集合分组为由类似对象组成的多个类，从而发现数据的内在结构和分布模式，在众多领域得到了广泛应用。

传统聚类算法在面对日益增长的数据量和复杂性时，暴露出诸多局限性。以K-Means算法为代表的基于划分的聚类算法