顺序聚类算法-BSAS

资 源 简 介

顺序聚类算法-BSAS

详 情 说 明

BSAS（Basic Sequential Algorithmic Scheme）是一种经典的无监督顺序聚类算法，特别适合处理数据流或需要在线聚类的场景。与传统的K-means不同，BSAS不需要预先指定聚类数量，而是根据数据到达顺序和相似性阈值动态生成聚类。

### 算法核心逻辑 初始化参数：需预设两个关键参数——相似性阈值θ（决定新样本是否属于已有类）和最大聚类数Q（避免无限增长）。 处理首个样本：将第一个数据点作为第一个聚类的中心。 顺序处理后续样本：对于每个新样本，计算其与所有现有聚类中心的距离： 若最小距离≤θ，将其归入最近的类，并更新该类中心（如取均值）； 否则，以该样本为新类中心，前提是当前类数未超过Q。

### MATLAB实现要点 输入矩阵：通常为N×D的数值矩阵，N是样本数，D是特征维度。 参数配置：θ的选择需权衡类内紧密度（较小θ）与类数控制（较大θ）；Q应设为合理上限。 输出结果： 类别标签：长度为N的向量，标记每个样本所属的类编号（如1,2,…）。 聚类中心：K×D矩阵（K为最终类数），每行代表一个类的中心坐标。

### 扩展思考 BSAS的优势在于其简单性和实时性，但对输入顺序敏感（可通过数据预洗牌缓解）。改进方向包括动态调整θ或结合层次聚类思想。在MATLAB中，可结合`pdist2`函数快速计算距离矩阵，循环结构则用于逐个处理样本。