计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2005年
5期
155-158
,共4页
汪加才%文巨峰%陈奇%俞瑞钊
汪加纔%文巨峰%陳奇%俞瑞釗
왕가재%문거봉%진기%유서쇠
混合类型数据%模糊聚类算法%数据挖掘
混閤類型數據%模糊聚類算法%數據挖掘
혼합류형수거%모호취류산법%수거알굴
尽管综合了K-means和K-modes的K-prototypes算法已能有效地处理符号数据,但用聚类中的符号模(modes)来表示聚类中的数据均值将引起大量的信息丢失.为此,本文提出了一种适合于混合类型数据的结构化模糊K-prototypes算法(SFKP),在不增加时空开销的情况下提高聚类能力.实际数据集上的实验结果显示,SFKP算法能够进行更加有效的聚类.
儘管綜閤瞭K-means和K-modes的K-prototypes算法已能有效地處理符號數據,但用聚類中的符號模(modes)來錶示聚類中的數據均值將引起大量的信息丟失.為此,本文提齣瞭一種適閤于混閤類型數據的結構化模糊K-prototypes算法(SFKP),在不增加時空開銷的情況下提高聚類能力.實際數據集上的實驗結果顯示,SFKP算法能夠進行更加有效的聚類.
진관종합료K-means화K-modes적K-prototypes산법이능유효지처리부호수거,단용취류중적부호모(modes)래표시취류중적수거균치장인기대량적신식주실.위차,본문제출료일충괄합우혼합류형수거적결구화모호K-prototypes산법(SFKP),재불증가시공개소적정황하제고취류능력.실제수거집상적실험결과현시,SFKP산법능구진행경가유효적취류.
