聚类算法之DIANA

1. 算法描述

DIANA(Divisive ANAlysis)算法属于分裂的层次聚类。与凝聚的层次聚类相反,它采用一种自顶向下的策略,它首先将所有对象置于一个簇中，然后逐渐细分为越来越小的簇，直到每个对象自成一簇，或者达到了某个终结条件，例如达到了某个希望的簇数目，或者两个最近簇之间的距离超过了某个闯值。
在 DIANA 方法的处理过程中，所有的对象初始都放在一个簇中。根据一些原则(如簇中最临近对象的最大欧氏距离)，将该簇分裂。簇的分裂过程反复进行，直到最终每个新的簇只包含一个对象。

输入：包含n个对象的数据库，终止条件簇的数目k。
输出：k个簇，达到终止条件规定簇数目。
（1）将所有对象整个当成一个初始簇；
（2）FOR （i=1; i≠k; i++) DO BEGIN
（3）在所有簇中挑出具有最大直径的簇C；
（4）找出C中与其它点平均相异度最大的一个点p并把p放入splinter group，剩余的放在old party中；
（5）REPEAT
（6）在old party里找出到最近的splinter group中的点的距离不大于到old party中最近点的距离的点，并将该点加入splinter group。
（7）UNTIL 没有新的old party的点被分配给splinter group；
（8）splinter group和old party为被选中的簇分裂成的两个簇，与其它簇一起组成新的簇集合。
（9）END

2. 算法性能分析

2.1 优点

1. 简单，理解容易

2.2 缺点

1. 已做的分裂操作不能撤销
2. 类之间不能交换对象
3. 如果在某步没有选择好分裂点，可能会导致低质量的聚类结果
4. 大数据集不太适用