SGE日志分析聚类算法

基于KMeans的改进算法（针对一维）：

【算法】

1.设定阈值，使用固定筛子的方式将对象分配到各个不同的“筛孔”里，并计算落入每个“筛孔”中的对象的平均值，即初始质心。

2.对步骤1中的初始质心进行类似步骤1方法的聚类，得到初始质心的聚类结果。

3.将步骤2中的初始质心聚类结果作为聚类的初始质心进行聚类，对于每个对象选择最近的质心，若到达每个质心的距离都超过设定的阈值，则创建新类。

4.计算满意度（越低越好），重复步骤2-3，获得新的满意度，如果满意度不再降低，则收敛。

【特点】

1.不需要指定目标聚类数目。

2.保证了每个簇的凝聚程度是比较好的，但是簇的个数比较多，而且无法应对不同密度的情况。

【衡量聚类结果】

1.按质心值排序，计算相邻值之差的绝对值，然后相加。

【改进】

1.将相邻的簇内对象数比较多的簇进行合并，从而减少簇的个数。