Page 72 - 高中 信息技术 选择性必修4 人工智能初步

第三章 机器学习与人工智能的核心算法

组。在互联网应用上，聚类分析常被用来进行文档归类以修复信息。在电子商务领域，聚
类分析在网站建设的数据挖掘中产生了重要作用，通过聚类具有相似浏览行为的客户和分析
客户的共同特征，可以更好地帮助电子商务的商家了解自己的客户，从而向客户提供更合适

的服务。

3 . 3 . 1 系统聚类算法

探究活动
广东教育出版社

调 查

围绕以下问题，展开调查，分小组进行汇报。
（1）调查在日常生活中的哪些情境下，可以使用聚类分析的思维解决问题。

（2）通过网络搜索和文献查找的方式，了解聚类算法的基本原理，搜集聚类算法在
人工智能领域的典型应用案例。

聚类是最常用的数据分析技术之一。与其相关的各种算法的提出、发展和演化，使得
聚类算法家族“人丁兴旺”。聚类算法很难简单地进行分类，因为这些类别可能相互重
叠，有的算法甚至具有几种类别的特点。一般而言，主要的基本聚类算法可以划分为如下

几类：
1. 划分方法
大部分划分方法（Partitioning Methods）通过度量数据之间的距离进行聚类。该方法根

据需要划分的簇数k，先创建一个初始划分，然后采用迭代计算，把对象从一个簇移动到
另一个簇来改进划分。好的划分准则是：同一个簇中的对象尽可能相互“接近”或相似，
不同簇中的对象尽可能“远离”或不同。为了达到全局最优，基于划分的聚类可能需要穷
举所有的划分，计算量极大。实际上，大多数划分方法的实现都采用了启发式方法，如

K-Means和K-Medoids算法，渐进地提高聚类质量，逼近局部最优解。这些启发式聚类方
法很适合发现中小型数据库中的球状簇。若要发现复杂形状的簇和对超大型数据集进行聚
类，就需要进一步扩展划分方法。

2. 层次方法
根据层次分解的形式不同，层次方法（Hierarchical Methods）又可以分为凝聚层次聚
类和分裂层次聚类。

（1）凝聚层次聚类：又叫自底向上方法。一开始将每个对象作为同一类，然后与其相
近的对象或类合并，直到所有小的类别合并成一个类，或者收敛，即满足终止条件为止。
（2）分裂层次聚类：又叫自顶向下方法，一开始将所有对象置于一个簇中，在迭代

的每一步中，类会被分裂成更小的类，直到最终每个对象在一个单独的类中，或者收敛，
即满足终止条件为止。
64 64

21Y3228.indd 64 2019/10/10 14:23:55