经典聚类算法研究综述

邓林培

【摘要】摘要文章通过介绍4种经典的聚类算法以加强人们对聚类算法的了解，同时对每一种算法的适用情况和优势劣势进行阐述。聚焦于聚类算法发展所呈现的趋势和应用情景中涉及的领域，感知聚类算法在机器学习甚至人工智能领域的强大生命力。

【期刊名称】科技传播

【年(卷),期】2019(011)005

【总页数】3

【关键词】关键词人工智能；机器学习；聚类；K-means

从1956年的达特茅斯会议到如今，不过短短60多年的时间，人工智能发展之迅速令人惊叹。人工智能领域十分广泛，神经网络、自然语言处理、遗传算法、深度学习，甚至哲学问题和未来趋势等都是这一大学科中的一部分。对机器来说，所谓智能，实质是由人对它输入算法和数据，机器本身运用算法从数据中进行学习，并由此处理新的实际问题。不光算法，像自然语言处理，哲学问题都可以与机器学习结合。

机器学习中有许多算法。其中聚类算法是一个大的分支。针对不同数据类型，聚类算法中有各种不用运行理念、不同基准的算法可将不同类型的样本数据收聚到较好的结果。聚类算法中经典的算法如K-means算法、均值漂移算法、DBSCAN算法和层次聚类算法在当下仍经久不衰。同时，聚类算法在信息技术和人工智能浪潮的推涌之下，呈现出融合的新态势。

1 经典聚类算法研究