计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2010年
12期
3377-3379
,共3页
聚类%粗糙集%k-means算法%混合属性
聚類%粗糙集%k-means算法%混閤屬性
취류%조조집%k-means산법%혼합속성
传统聚类方法将对象严格地划分到某一类,但是很多时候边界对象不能被严格地划分.基于粗糙集的k-means聚类算法和基于粗糙集的leader聚类算法,利用粗糙集理论将数据对象划分到一个簇的上近似集或下近似集当中,提供了一种新的处理不确定性的视角,很好地解决了这种边界不确定问题.但其缺点是不能处理混合属性数据,聚类结果对初值有明显的依赖性.针对这些算法存在的不足,给出了一种适用于混合属性数据的距离定义,对初始值的选取提出了改进办法,提出了一种基于粗糙集的混合属性数据聚类算法.仿真实验证明,在不确定聚类簇数的情况下,该算法的聚类准确率比传统k-means算法明显提高.
傳統聚類方法將對象嚴格地劃分到某一類,但是很多時候邊界對象不能被嚴格地劃分.基于粗糙集的k-means聚類算法和基于粗糙集的leader聚類算法,利用粗糙集理論將數據對象劃分到一箇簇的上近似集或下近似集噹中,提供瞭一種新的處理不確定性的視角,很好地解決瞭這種邊界不確定問題.但其缺點是不能處理混閤屬性數據,聚類結果對初值有明顯的依賴性.針對這些算法存在的不足,給齣瞭一種適用于混閤屬性數據的距離定義,對初始值的選取提齣瞭改進辦法,提齣瞭一種基于粗糙集的混閤屬性數據聚類算法.倣真實驗證明,在不確定聚類簇數的情況下,該算法的聚類準確率比傳統k-means算法明顯提高.
전통취류방법장대상엄격지화분도모일류,단시흔다시후변계대상불능피엄격지화분.기우조조집적k-means취류산법화기우조조집적leader취류산법,이용조조집이론장수거대상화분도일개족적상근사집혹하근사집당중,제공료일충신적처리불학정성적시각,흔호지해결료저충변계불학정문제.단기결점시불능처리혼합속성수거,취류결과대초치유명현적의뢰성.침대저사산법존재적불족,급출료일충괄용우혼합속성수거적거리정의,대초시치적선취제출료개진판법,제출료일충기우조조집적혼합속성수거취류산법.방진실험증명,재불학정취류족수적정황하,해산법적취류준학솔비전통k-means산법명현제고.
