针对大数据集的初始聚类中心选取问题,在基于密度的划分算法和适用于大规模数据集限定初值的采样算法基础上,提出了一种用于初始聚类中心的划分采样算法。对聚类子空间在每一维上进行均匀划分形成不同的数据区域,根据数据区域的数据点数的多少进行采样来提高采样的准确性。利用采样思想缩小了数据集的规模,保证了算法在时间上的优势。通过不同规模、不同形状的数据集对算法进行验证,实验结果表明,与其它初始聚类中心算法相比,该算法在准确率和时间上都具有一定的优势。

K均值聚类算法是一种常见且有效的基于划分的聚类算法。为解决该聚类算法对初始中心敏感的问题，常用的方法是层次化初始聚类中心。然而，层次初始的聚类算法仍然需要将聚类个数作为输入参数，在高维数据和海量数据中不易应用。基于能够自动确定聚类数目的目的，采用DBI度量，提出一种层次初始的聚类个数自适应的聚类方法（简称DHIKM）。通过UCI数据集和仿真数据上的实验，证明DHIKM可以在采样数据中快速找到合适的聚类个数，实验结果表明该算法在聚类质量与收敛速度上的有效性。