IB理论起源于著名的香农率失真理论,它通过定义变量X的相关变量Y,推导出一个合理的失真度量函数,从而有效地解决了率失真理论存在的失真函数难以确定的问题,避免了失真度量函数的任意选择,此外,该方法还具有许多率失真方法不具备的特殊性质。基于IB理论的aIB算法,按照分析的数据对象与另一数据对象间的相关性进行合并,进而使得最终的合并结果——一个层次树状结构——充分体现出源数据对象内部的隐含结构。aIB算法在数据降维过程中仅考虑两个数据对象之间的相关信息,忽略数据对象邻域内包含的与其它数据对象之间的相关信息。针对该问题,本文引入密度相连链的概念,同时考虑两个数据对象之间的相关信息以及它们邻域内包含的其它数据对象之间的相关信息,构建了一种基于密度相连的IB算法——DaIB,且使该算法中的参数取值具有一定普遍适用性。DaIB算法采用层次聚类结构,输出一个自下而上的剪枝树,并且执行一次可得到多个不同的聚类结果。在IB算法研究的公共数据集上的实验结果表明,DaIB算法得到的聚类结果比aIB算法的结果具有更高的精确度和更好的稳定性。