聚类

将集合分成由类似的对象组成的多个类的过程
image
聚类（Clustering[1]）就是将物理或抽象对象[a]的集合分成相似的对象类[b]的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇[c]中的对象彼此相似，与其他簇中的对象相异。[7]聚类分析能最大程度地实现类中对象相似度最大、类间对象相似度最小，[8]揭示数据之间的内在联系与区别，[9]可以帮助识别数据中不明确的模式或关系。[10]
1963年，一篇由皮特·思科乐（Peter Sokal）和罗伯特·史内斯（Robert Sneath）创作的名为《数值分类学原理》的专著，推动了聚类方法的研究。[11]1967年，K-Means算法被提出，[12]后来学者开始扩展多种聚类算法和方法。[13]随着信息技术的飞速发展，聚类分析成为数据挖掘和分析的关键手段，聚类技术能够很好的对海量数据进行挖掘和处理，找出其中有价值的数据。[6]
聚类算法有多种类别，包括基于密度的聚类算法、基于网格的聚类算法、基于层次的聚类算法和模糊聚类算法等[6][1]，在医学、农业、市场、能源和搜索引擎等方面和领域都有广泛的应用。[8]但聚类分析面临着一些挑战，包括难以处理高维数据[d]、缺乏基本事实、可解释性差、难以扩展等。[14]

发展历程

聚类分析起源于分类学。[15]1932年，德里弗（Driver）和克罗格（Krober）在人类学中首次应用聚类分析，随后约瑟夫·祖斌（Joseph Zubin）和罗伯特·泰伦（Robert Tryon）分别于1938年和1939年将其引入心理学。1943年，卡特尔（Cattell）将其用于人格心理学中的特质理论分类。[16]1963年，一篇由皮特·思科乐（Peter Sokal）和罗伯特·史内斯（Robert Sneath）创作的名为《数值分类学原理》的专著推动了世界范围内对聚类方法的研究。[11]