伴随着数据科学的发展,各行各业产生了海量的数据,如何从这些数据中获取有用的信息是一个全新的研究方向。基于中心点的聚类算法是目前应用广泛的无监督数据分析算法,它的主要原理是从大量没有簇类标记的数据中获取有用信息,已应用在不同领域进行数据分析。目前已广泛应用在模式识别、市场分析、医疗诊断、图像处理、信息检索等应用场景,发挥着巨大的经济社会效应。近邻传播聚类(AP)算法是一种基于中心点的聚类算法,相比现阶段流行的、广泛使用的聚类算法能获得较好的聚类效果。在对给定数据集的类别划分过程中,不需要预先指定候选聚类中心代表点及聚类簇的个数。近邻传播聚类算法自研究出来后,就受到广大研究者的关注。然而,特别是随着近些年大数据应用、数据挖掘等数据分析技术的广泛普及,数据结构、样式日益多元化、多样化,标准AP聚类算法在对这些数据进行处理时表现出一些不足:(1)标准AP聚类算法在处理包含噪声数据点的数据集时,其聚类精度及算法执行效率较低;(2)在用AP聚类算法对数据集聚类时容易造成对数据集过度分割,即把隶属于同一聚类簇的数据点划分到不同的聚类簇中。(3)标准AP算法不太适应处理大规模、高维度数据,然而各行业各领域数据的数量正呈现几何级数增长趋势。为了解决上述问题,本文给出了具体的解决措施:提出了基于密度商分的噪声检测算法(DNDA),能有效检测并去除数据噪声;提出了改进的AP聚类算法(GAP),在DNDA算法的基础上,依据密度聚类的思想优化相似度矩阵,可以有效避免数据点密度差异对其成为聚类中心点造成偏差,影响其聚类效果的准确度;提出了基于密度商分的自动近邻传播聚类算法(GDAP),在DNDA算法和GAP算法的基础上,可以有效解决标准AP聚类算法在对数据聚类时数据点的错误划分以及聚类簇数目过多等问题。本文所提出的算法可以有效提升噪声数据集的聚类精度、解决对数据集的过度分割问题,并对提升AP算法在大规模数据集的聚类精度及助推大数据分析技术的发展提供了有益方法论支撑和借鉴。本论文的主要研究工作如下所述:(1)基于密度商分的噪声检测算法(DNDA)。分析了现阶段流行的算法普遍存在不能完全去除噪声数据点的问题,探讨了如何依据数据点之间的密度差异有效区分噪声数据点和有效数据点。在此基础上,提出了该算法。该算法不但从理论视角分析了该算法的有效性,而且通过在真实数据集和人造数据集上实验证明了该算法的实际可行性。(2)改进的近邻传播聚类算法(GAP)。分析了标准的AP聚类算法中构建相似度矩阵时所存在的不足之处,并论述了如何更有效地度量数据对象之间的相似性及合理设置偏向参数值,以优化相似度矩阵的方法。在此基础上,提出了改进的近邻传播聚类算法。通过在真实数据集和人工数据集上进行仿真实验均证明该算法的有效性。(3)基于密度商分的自动近邻传播聚类算法(GDAP)。该算法在基于DNDA和GAP两个算法的基础上,采用改进的密度峰值思想去除掉不相关的聚类中心代表点,准确定位出真实的聚类中心代表点,并基于近邻优化思想完成对其它数据点的自动分类。通过在真实数据集和人造数据集进行实验证明,该算法在继承传统AP聚类算法良好特性的同时,能提升AP聚类算法的精度。本论文所具有的理论价值:(1)通过对传统AP聚类算法的改进,使其具有能有效处理噪声数据集并能有效解决传统AP聚类算法的不足,为大数据分析及应用的发展提供了一种新的研究思路;(2)对传统AP聚类算法的改进和优化对优化其它聚类算法具有一定的借鉴意义。