實驗表明：工蟻能在幾小時內將分散在蟻穴各處的大小不同的螞蟻屍體聚成幾類，小的蟻堆通過吸引螞蟻積攢更多的屍體來逐漸變大，這種正反饋會導致蟻堆逐漸越積越大，以達到聚類資料的目的。
deneubourg
等人提出了一種基本模型（
basic model
，簡稱bm
），用來解釋螞蟻屍體堆積成螞蟻墓的行為，並模擬實現了蟻群的聚類過程。基本模型的主要思想是分散的物件被螞蟻「拾起」（
picked-up
）並隨機移動，然後在與被拾起物件相似的物件附近被「放下」（
dropped
）。lumer
和faieta
對deneubourg
的基本模型進行泛化，並應用於資料分析，提出了
lf演算法。
lf演算法不必預先指定簇的數目，並能構造任意形狀的簇。演算法的主要思想是：先將所有多維屬性空間中的資料物件隨機地投影到二維網格平面上，然後在這個平面上產生一些虛擬螞蟻，每只螞蟻在二維平面上隨機選擇乙個資料物件，隨即螞蟻計算該資料物件與鄰域半徑內其他資料物件之間在屬性空間中的相似性。如果不相似，螞蟻將資料物件拾起並隨機移往別處，然後再計算，直到移到與周圍物件相似的地方被放下，再隨機選擇下乙個資料物件；如果相似，螞蟻不會拾起該資料物件，將隨機選擇下乙個資料物件。這樣，資料物件被逐漸聚類。
聚類演算法 近鄰聚類演算法
time is always too short for those who need it,but for those who love,it lasts forever.dracula untold 近鄰聚類法同樣是一種基於距離閾值的聚類演算法。coding utf 8 近鄰聚類演算法的pyth...
聚類演算法 層次聚類演算法
層次聚類演算法 hierarchical clustering method 又稱為系統聚類法 分級聚類法。層次聚類演算法又分為兩種形式 凝聚層次聚類 首先將每個物件作為乙個簇，然後合併這些原子簇為越來越大的簇，直到某個終結條件被滿足。層次聚類 首先將所有物件置於乙個簇中，然後逐漸細分為越來越小的簇...
聚類演算法 什麼是聚類
聚類分析或聚類演算法就是通過一些方法或手段使資料集集聚成不同的類別，或者叫 簇。簇內部每乙個單位都是相似的。簇與簇之間都是不相似的。但是聚類其實是一種思想，它不是一種具體的方法。這裡千萬不要搞混。但是可以實現聚類的演算法有很多種。我們通常就使用這些演算法來實現聚類的。比如 k means就是最為經典...