计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
13期
132-134
,共3页
机器学习%概念聚类%关联聚类%二部图%二元组
機器學習%概唸聚類%關聯聚類%二部圖%二元組
궤기학습%개념취류%관련취류%이부도%이원조
传统概念聚类算法中簇的更新和存储不仅依赖于对象数目和属性数目,而且依赖于属性值的数目,这种局限性使其不适用于大型数据集.提出一种新的基于二部图的概念聚类算法(BGBCC),该算法通过获得二部图的近似极大ε二元组集,有效地进行数据与属性的关联聚类.实验表明,该算法能得到较好的聚类结果,且能在较短的时间内进行大型数据集的概念聚类.
傳統概唸聚類算法中簇的更新和存儲不僅依賴于對象數目和屬性數目,而且依賴于屬性值的數目,這種跼限性使其不適用于大型數據集.提齣一種新的基于二部圖的概唸聚類算法(BGBCC),該算法通過穫得二部圖的近似極大ε二元組集,有效地進行數據與屬性的關聯聚類.實驗錶明,該算法能得到較好的聚類結果,且能在較短的時間內進行大型數據集的概唸聚類.
전통개념취류산법중족적경신화존저불부의뢰우대상수목화속성수목,이차의뢰우속성치적수목,저충국한성사기불괄용우대형수거집.제출일충신적기우이부도적개념취류산법(BGBCC),해산법통과획득이부도적근사겁대ε이원조집,유효지진행수거여속성적관련취류.실험표명,해산법능득도교호적취류결과,차능재교단적시간내진행대형수거집적개념취류.