数据挖掘技术与应用课程设计（五） —— AGNES聚类方法算法实例

一、设计目的

1. ​掌握层次聚类算法原理与实现​
   深入理解AGNES算法的自底向上聚合策略，包括簇间距离计算（单链接、全链接、均值链接）的核心原理，并能通过代码实现算法核心逻辑（如距离矩阵更新、簇合并策略）。

2. ​探究不同距离度量对聚类结果的影响​
   对比最小距离（单链接）、最大距离（全链接）、平均距离（均链接）等度量方式，分析其对簇结构松紧度和异常值敏感性的影响。例如，单链接易产生链式簇，全链接对噪声敏感。

3. ​实现动态可视化与过程分析​
   结合Matplotlib动画框架，展示聚类合并的逐步过程，通过树状图（Dendrogram）和散点图直观反映簇间关系与层次结构。动态更新距离矩阵和簇标注，增强算法可解释性。

4. ​培养工程化实现与性能优化能力​
   解决大规模数据下的时间复杂度（O(n²)）和内存消耗问题，优化距离矩阵存储方式（如上三角矩阵压缩），并验证算法在不同数据集上的扩展性。

二、设计描述

下面给出一个样本书物数据库，如下表所示，并对它实施 AGNES 算法。

表   样本事务数据库

序号	属性 1	属性 2
1	1	1
2	1	2
3	2	1
4	2	2
5	3	4
6	3	5
7	4	4
8	4	5

在所给的数据集上运行 AGNES算法，算法的执行过程如下表所示，设 n=8，用户输入的终止条件为两个簇。初始簇为 {1},{2},{3},{4},{5},{6},{7},{8}（采用欧氏距离进行计算）。

表   AGNES算法执行过程

步骤	最近的簇距离	最近的两个簇	合并后的新簇
1	1	{1},{2}	{1,2},{3},{4},{5},{6},{7},{8}
2	1	{3},{4}	{1,2},{3,4},{5},{6},{7},{8}
3	1	{5},{6}	{1,2},{3,4},{5,6},{7},{8}
4	1	{7},{8}	{1,2},{3,4},{5,6},{7,8}
5	1	{1,2},{3,4}	{1,2,3,4},{5,6},{7,8}
6	1	{5,6},{7,8}	{1,2,3,4},{5,6,7,8}结束

具体步骤如下：

1. 根据初始簇计算每个簇之间的距离，随机找出距离最小的两个簇，进行合并。点1、2间的欧氏距离 d(1,2)=[(1−1)2+(2−1)2]^1/2=1为最小距离，故将1、2点合并为一个簇。

2. 对上一次合并后的簇计算簇间距离，找出距离最近的两个簇进行合并，合并后3、4点成为一簇。

3. 重复第2步的工作，5、6点成为一簇。

4. 重复第2步的工作，7、8点成为一簇。

5. 合并{1, 2}, {3, 4}成为一个包含四个点的簇。

6. 合并{5, 6}, {7, 8}，由于合并后的簇的数目已经达到了终止条件，计算完毕。

三、设计过程

3.1 数据预处理

3.1.1 数据结构设计

• ​Point类​：封装二维坐标、ID标识，实现欧氏距离计算（calc_distance方法）。
• ​簇存储结构​：使用字典管理簇，键为簇ID，值为点列表和颜色属性，支持动态合并与删除。

3.1.2 数据标准化与加载

• ​硬编码数据集​：包含8个二维点，初始每个点独立成簇。
• ​距离矩阵构建​：计算所有点对的欧氏距离，存储为对称矩阵以减少冗余计算。

---

3.2 算法设计逻辑

3.2.1 簇间距离计算策略

• ​单链接（最小距离）​​：dist_min函数取两簇最近点距离，适合发现链状簇但易受噪声干扰。
• ​全链接（最大距离）​​：dist_max函数取两簇最远点距离，生成紧凑簇但对异常值敏感。
• ​均链接​：计算两簇所有点对的平均距离，平衡单链接和全链接的优缺点。

3.2.2 簇合并与矩阵更新

1. ​查找最近簇​：遍历距离矩阵上三角，定位最小距离对应的簇索引。
2. ​合并操作​：
   • 生成新簇ID，合并两簇的点集。
   • 冻结原簇在矩阵中的行列（置为无穷大），避免重复计算。
3. ​矩阵更新​：
   • 新增行列存储新簇与其他簇的最小距离（单链接策略）。
   • 时间复杂度优化：仅更新必要部分，避免全矩阵重建。

---

3.3 核心模块实现

3.3.1 数据结构与初始化模块​

class Point:
    def __init__(self, x: