三、动态样品聚类

当待分类的样品较多时，如海量数据挖掘，系统聚类分析将耗费较多的计算资源来储存相似性系数矩阵，计算速度缓慢。针对系统聚类方法的这些缺陷，统计学者提出所谓动态聚类分析方法，这种分类方法既解决了计算速度问题，又能随着聚类的进展对样品的归类进行调整。动态样品聚类的原理是：首先确定几个有代表性的样品，称之为凝聚点，作为各类的核心，然后将其他样品逐一归类，归类的同时按某种规则修改各类核心直至分类合理为止。动态样品聚类方法中最常用的一种是k‐means法，此法的聚类步骤如下：指定拟分类数目k，随机选择k个样品作为凝聚点 ......