摘要：為了減少大規模數據集在聚類過程中的計算復雜度和運行時間,本文提出了一種基于自適應網格劃分和決策圖的聚類算法AGPCA.首先,采用相對熵自適應劃分數據空間,形成明顯的稀疏網格和稠密網格.將網格作為聚類對象,降低以點為對象之間的距離計算復雜度.之后,依據決策圖思想確定簇心網格對象,并通過Kd樹完成鄰接網格的查找和合并以實現聚類.以多個標準數據集和真實的出租車GPS軌跡數據作為測試對象,并與現有一些先進的聚類算法進行對比實驗.實驗結果表明所提算法結合了網格劃分和局部距離判斷的優點,具有較高的準確性和運行效率.