一种融合自编码器与动态阈值策略的改进BIRCH算法

摘要

针对传统BIRCH算法在应对特征强相关、分布不均的指标数据时，易出现簇内差异过大或过度合并的问题，提出一种融合自编码器和动态阈值策略的改进BIRCH算法.首先，该算法利用自编码器进行非线性特征映射与降维，削弱特征间相关性对距离度量的影响，提高数据表示的紧凑性和判别性；其次，设计动态阈值调整策略，根据局部样本密度与簇规模自适应调整聚类半径，增强算法对非均匀分布数据的适应性；最后，在改进后的特征空间与自适应阈值策略下构建聚类特征树，实现高效且稳定的层次聚类，并应用于高校教师多维数据的智能聚类分析中.实验结果表明，在多个聚类评价指标上，改进算法均取得了更优性能，能显著提升聚类的稳定性和准确性.

关键词

BIRCH算法 / 自编码器 / 动态阈值 / 教师评价