混合属性数据聚类的新方法
提出了一种数值型和类别型混合属性数据聚类的全局算法.算法通过随机选取足够多的初始原型来覆盖数据集的全局分布信息,然后通过评估函数迭代地消去多余的原型.最后对本文算法进行了验证,证明了该算法的有效性和收敛性.并与其他已有同类型算法的聚类结果进行比较,说明本文算法对混合属性数据具有更高的聚类准确度,为解决混合型数据聚类问题提供了一种新途径.
人工智能、数据聚类、数据挖掘、K原型算法、混合属性数据
43
TP181(自动化基础理论)
国家自然科学基金项目61175023,60973092,60903097;符号计算与知识工程教育部重点实验室项目;国家留学基金委项目2010617098
2016-05-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
130-134