由于传统的B I R C H算法是用直径来控制聚类的边界， 因此如果簇不是球形， 它就不能很好地工作， 而且传 统的 B I RC H算法只适用于单表。针对 B I R CH的这些缺点， 本文提 出了一种改进的 B I R CH——I B CH算法， 该算 法首先通过 I D传播把多个表联系起来， 使得 B I R C H算法可以适用于多表的情况， 再通过计算共享最近邻密度， 可以 发现任意形状的簇。实验表明， 该算法不仅具有较强的可伸缩性， 还可以得到较高精确的聚类结果。

聚类是一种无监督的机器学习方法,其任务是发现数据中的自然簇。共享最近邻聚类算法(SNN)在处理大小不同、形状不同以及密度不同的数据集上具有很好的聚类效果,但该算法还存在以下不足:(1)时间复杂度为O(n2),不适合处理大规模数据集;(2)没有明确给出参数阈值的简单指导性操作方法;(3)只能处理数值型属性数据集。对共享最近邻算法进行改进,使其能够处理混合属性数据集,并给出参数阈值的简单选择方法,改进后算法运行时间与数据集大小成近似线性关系,适用于大规模高维数据集。在真实数据集和人造数据集上的实验结