随着当今计算机技术的飞速发展,数据的爆炸性增长使得从中发现有价值的信息变得越来越困难,原本在低维数据集上能够取得良好聚类效果的方法,由于受到“维灾”影响,无法在高维数据集上取得同样理想的结果,因此寻找更全面的聚类方法迫在眉睫。本文主要研究适用于高维数据集的聚类算法,首先介绍了数据挖掘中高维数据聚类的背景和意义,以及聚类算法的国内外发展现状;其次介绍了聚类的相关知识;在阅读大量文献的基础上,提出了现有算法的一些改进。主要工作如下:(1)总结了现有聚类算法的优缺点,尤其是子空间CLIQUE算法和密度峰值聚类算法DPC。CLIQUE算法中的等宽划分网格可能会丢掉部分聚类点,破坏密集区域的完整性;并且人为输入密度阈值具有随机性,很难确定合适阈值。DPC算法只能处理中小型数据集,而且区分不出异常点和聚类边界点。(2)提出自适应高维子空间聚类算法REG-CLIQUE,引入二叉树结合相对熵进行自适应网格划分,删除冗余维,提高聚类精度;提出密度阈值的计算公式,递归求得合适值,大大降低算法先验性。实验表明,REG-CLIQUE算法能够实现自适应聚类,且聚类时间及准确率都优于GP-CLIQUE算法和CLIQUE算法。(3)提出密度峰值聚类改进算法SREDPC,对高维大数据集进行抽样处理,使用残差平方提供一个比DPC算法更好的决策图来确定聚类中心;通过晕点识别区分出异常点和属于聚类簇的边界点。实验表明,改进算法能够应用于高维大数据集,在时间复杂度和聚类结果上也都优于原始DPC算法。