混合属性数据聚类的新方法

摘要：

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.

关键词：人工智能、数据聚类、数据挖掘、K原型算法、混合属性数据

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：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

在线出版日期：2016-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：130-134