文本聚类算法之一趟聚类（One-pass Cluster）算法的python实现

一、算法简介

一趟聚类算法是由蒋盛益教授提出的无监督聚类算法，该算法具有高效、简单的特点。数据集只需要遍历一遍即可完成聚类。算法对超球状分布的数据有良好的识别，对凸型数据分布识别较差。一趟聚类可以在大规模数据，或者二次聚类中，或者聚类与其他算法结合的情况下，发挥其高效、简单的特点；

 

算法流程：

1. 初始时从数据集读入一个新的对象

2. 以这个对象构建一个新的簇

3. 若达到数据集末尾，则转6，否则读入一个新的对象；计算它与每个已有簇之间的距离，并选择与它距离最小的簇。

4. 若最小距离超过给定的阈值r，转2

5. 否则将对象并入该簇，并更新簇心，转3

6. 结束

 

在本算法中，采用的是欧式距离公式计算节点与簇心之间的距离

欧式距离公式：

二、实验

实验数据集：

中国天气的数据集，包括中国各个城市每年的最低和最高温以及该城市的x,y坐标。