BIRCH
Parent: ai_keywords
BIRCH 聚类算法
核心定义
BIRCH（Balanced Iterative Reducing and Clustering using Hierarchies，利用层次方法的平衡迭代规约和聚类）是一种专为大规模数据集设计的增量式层次聚类算法。其核心思想是通过构建一棵 聚类特征树（CF-tree），在单次扫描数据的过程中完成数据压缩与摘要，将原始数据点转化为紧凑的统计信息，而后在摘要级别上进行全局聚类，从而实现高效、可伸缩的聚类分析。
关键技术点
-
聚类特征（CF）
每个簇由一个三元组 ((N, LS, SS)) 表示，其中 (N) 为数据点数量，(LS) 为线性和，(SS) 为平方和。该结构支持增量更新，可直接计算簇的质心、直径和半径，为CF-tree的构建提供基础。 -
CF-tree
一棵平衡的B+树变体，由三个参数控制：分支因子 (B)（非叶节点最大子节点数）、阈值 (T)（叶节点内CF的最大直径/半径）与最大叶节点数 (L)。新数据点沿根向下遍历，合并或分裂节点，保证树的高度紧凑且内存友好。 -
两阶段聚类流程
- 阶段一：数据流式插入CF-tree，完成压缩与去噪（稀疏点可被吸收或作为孤立点舍弃）。
- 阶段二：对CF-tree叶节点的所有CF向量进行全局聚类（常用凝聚层次聚类或k-means），获得最终簇划分。可选阶段三进行簇的微调与重分配。
-
增量性与可伸缩性
数据可逐个插入，无需预存全部样本；CF-tree的规模由阈值 (T) 调控，适合处理百万级以上的大规模或流式数据，时间复杂度仅为 (O(N))。
医学/神经科学应用场景
脑卒中实时神经电生理监测
在首都医科大学神经病学研究所的脑卒中研究中，BIRCH可应用于重症监护病房（NICU）的多通道脑电图（EEG）或皮质脑电图（ECoG）信号处理。急性缺血性卒中患者的脑功能状态随时间动态演变，传统离线聚类难以满足实时需求。利用BIRCH的增量特性，可逐帧提取特征（如δ/α频带功率比、相位锁值），通过CF-tree在线构建待分类模式。BIRCH自动识别正常、缺血半暗带与梗死核心的聚类中心，无需预设簇数量，同时有效剔除干扰与运动伪影。该技术为床旁连续性脑功能监测提供了低延迟、抗噪的实用工具，有助于早期识别恶性脑水肿与再灌注时机，提升神经重症决策的精准度。
