聚类分析中簇确认方法可评估所得簇的“质量”,使所得聚类结果能更好地体现数据集的原始结构。IB方法通过给定源变量X和它的相关变量Y的联合概率分布p(x,y),来寻求X的压缩变量T,从而有效地发现数据间隐含的模式。IB方法有严密的理论基础,在很多领域得到成功的应用,本文将IB方法用于层次聚类的簇确认中。许多聚类算法需要用户预先指定簇数目或簇范围,簇数目的确定问题一直是聚类分析中的一个重要难题。针对该问题,本文基于IB方法思想,构造了簇密度分布函数,提出一种用于层次聚类的簇确认方法——IB Hindex指标。该指标引入簇的密度分布函数,有效地度量簇内凝聚性和簇间分离性,并在两者之间寻找合理的平衡,发现拟合输入数据集的正确簇结构。将IB_Hindex指标应用到层次聚类生成的完全二叉树中,可指导算法发现数据蕴含的特征模式数目。IB_Hindex算法不依赖于任何参数,可在层次树状图中有效地进行搜索,在最小化簇内凝聚性和最大化簇间分离性间找到平衡点,找到合适的折线切断树状图,从而发现能较好反映数据集自身模式的合理簇结构。人工数据集上的实验结果表明,和四种已有的簇确认方法相比较,IB_Hindex指标可有效地发现数据集内隐含的正确簇数目,从而得到合理的簇结构,尤其对于大小和密度不同的簇组成的数据集,IB_Hindex的执行效果明显优于其它指标,这为层次聚类的应用提供了较好的理论支持。