摘要：本文在粒度空间理论的基础上，进行了基于粒度空间的最优聚类模型研究．具体包含以下三个内容：首先提出了基于类内偏差和类间偏差获取数据分层结构的优化聚类指标，进一步建立最优聚类模型，证明了该模型解的存在性，并给出了相应的算法；其次将发生在1902～2015年间同时含有HA与NA蛋白的甲型HIN1流感病毒序列作为实验数据库，应用本文提出的优化模型和算法构建了流感病毒蛋白系统的第一级结构和第二级结构，基于距离中心最近原理建立了签名病毒选取的优化模型，挑选签名病毒蛋白，并构建H1N1流感病毒的核心进化树；最后基于距离中心最近原则构建分类器以验证本文方法的有效性．实验结果表明：应用本文方法处理甲型H1N1流感病毒可得到非常好的分类结果，且正确率达到93．25％．这些为基于大数据的信息处理提供一整套全新的处理方法．

关键词：粒度空间 分层聚类指标 最优聚类模型 多层结构 算法 

单位：江南大学理学院; 无锡214122