数据挖掘是近年研究比较热门的信息技术之一,该技术广泛应用于各个行业。聚类分析是数据挖掘的一个重要部分。聚类算法都需要面对输入参数的问题:K-means等划分方法需要输入聚类的数量;DBSCAN等密度算法需要输入密度阀值参数。这些参数大多不容易获取。为解决参数问题,本文提出了一种新的分层聚类算法,该算法的思想是:首先利用单位距离对数据对象聚类,以产生数量比较多的原子聚类,再利用比较容易获取的参数对这个聚类结果优化,以取得最终的聚类效果。本文还分析了用代表点描述聚类的几种方法,提出了用边界代表点描述聚类的算法,该算法可用于大量数据的聚类。本文的工作如下:(1)提出单位距离的概念:对于空间的数据对象,在均匀分布的情况下,用对象之间的最短距离来聚类,聚类的结果是一个类,把这个平均分布情况下的对象之间的最短距离称为单位距离。对数据对象用单位距离聚类可以得到初始的低层的聚类(原子聚类)。(2)提出孤立点优化的思想:聚类结果中的孤立点可以认为是数据对象中的非正常数据,现实世界中,对于每一类数据对象,假设非正常数据出现的概率是一致的,则可以根据数据量和非正常数据出现的概率来估算聚类结果中孤立点的数量,并利用该参数对聚类结果优化。(3)结合单位距离和孤立点优化的思想提出基于单位距离的聚类算法,并对算法的实现步骤作了详细分析,并且用实验来比较该算法与CHAMELON算法聚类的结果。(4)给出把普通算法得到的聚类结果转化到边界代表点的方法并用实例说明该算法特点:用比较少的代表点教准确代表任意复杂图形的聚类,为大量数据的聚类提供了一个可行的解决方法。