同时包含数值型和分类型的混合型数据集在各个领域中普遍存在,包括医学、生物学、金融业等。由于分类型和数值型数据具有不同的特性,在对未标记的数据进行聚类时,两种类型的数据需要区别对待,设计适当的相似性或相异性度量方法起着重要的作用。为了使两种类型的数据可以统一处理,本文从两个角度提出了处理混合型数据的聚类算法。1)基于单纯形向量映射的聚类算法:首先,基于单纯形理论,将分类型属性数据映射到数值向量上,并通过理论证明同一属性的任意值映射后的向量在欧氏距离下距离相同,这样,分类型属性数据转换为了数值型属性数据。然后,将转换后的纯数值型数据应用到K-Means算法框架。实验结果表明:在UCI的4个分类型数据集上,基于单纯形向量映射的聚类算法与Ng的K-modes算法、Cao的K-modes算法和传统向量映射聚类算法相比,将聚类结果的准确度分别提高了1.72%,2.74%和1.86%;在4个混合型数据集上的平均聚类准确度上,基于单纯形向量映射的聚类算法较传统映射聚类算法和K-Prototype算法分别提高了2.68%和2.22%。2)基于熵加权的聚类算法:首先,通过离散化策略将数值型属性数据离散化;然后,基于信息熵理论计算各个分类型属性包含的信息量,并依据此信息量设计加权的相似性度量方法;最后,将提出的相似性度量方法应用于离散化后的数据。在UCI的6个混合型数据集上的实验表明,在聚类准确度上基于熵加权的聚类算法优于OCIL和K-Prototype方法,分别提高了2.13%和4.28%;在6个数值型数据集上,基于熵加权的聚类算法将与K-means算法相比,将聚类准确度提高了6.09%。本文提出的两种聚类算法可以统一处理包含数值型属性和分类型属性的混合型数据集。尤其是基于熵加权的聚类算法验证了各属性包含的信息量不同,对于聚类效果的作用不同,这可以为设计混合型数据集聚类方法提供指导。