2.3　数据聚类性分析

所谓数据聚类，是指根据数据的内在性质将数据分成一些聚合类，每一聚合类中的元素尽可能具有相同的特性，不同聚合类之间的特性差别尽可能大。

聚类分析的目的是分析数据是否属于各个独立的分组，使一组中的成员彼此相似，而与其他组中的成员不同。聚类分析对一个数据对象的集合进行分析，但与分类分析不同的是，所划分的类是未知的，因此聚类分析也称为无指导或无监督的（Unsupervised）学习。聚类分析的一般方法是将数据对象分组为多个类或簇（Cluster），在同一簇中的对象具有较高的相似度，而不同簇中的对象差异较大。由于聚类分析的上述特征，在许多应用中，对数据集进行聚类分析后，可将一个簇中的各数据对象作为一个整体对待。

数据聚类（Cluster Analysis）是对静态数据进行分析的一门技术，在许多领域受到广泛应用，包括机器学习、数据挖掘、模式识别、图像分析以及生物信息。