分类型数据作为生活中大量存在的一种数据形式,其特点是属性值作为一种状态表示,不具有数值型数据的几何特征,属性值不能够进行数值运算,因此也就不能将适用于数值型数据的聚类算法直接应用于分类型数据。在聚类算法中,对象间相异度由距离函数来决定,相异度度量或者距离度量是聚类算法的基础,对算法的聚类效果有着巨大的影响。因此,如何合理准确地刻画两个分类型数据对象的相异度或相似度显得极为重要。当前许多学者对分类型数据的距离度量从不同的角度进行了研究。其次,基于划分的聚类算法性能优劣取决于初始聚类中心的选择。目前,常见的基于划分的聚类算法通常使用随机选择的样本作为初始聚类中心,可能导致聚类过程趋于局部最优结果而非全局最优聚类中心。许多学者对此问题进行了一定的研究。针对以上两个课题,本文对分类型数据的距离度量学习和初始类中心选择进行了研究,并与现有的各种算法进行了对比和分析。本文的主要贡献有:(1)提出了基于属性耦合的带权距离度量。该距离度量包括带权重的属性内耦合距离和带权重的属性间距离两部分。利用属性间依赖程度计算得到属性间耦合程度权重,将属性间耦合程度考虑在内,从而提高对象间距离度量的精确度。利用属性权重来衡量属性在距离度量中的贡献度,提高聚类结果的精度。(2)基于属性耦合的思想,进一步改进了利用密度和距离选择初始类中心的方法。通过引入属性耦合思想计算每一个对象的密度,利用聚类中心的特点,选择初始化中心点,从而提高基于划分聚类的效率和精度。本文的研究成果进一步丰富了分类型数据距离度量的研究,在一定程度上为分类型数据的聚类提供了新的方法,相信此类算法的不断研究可以解决更多的实际问题。