10.3969/j.issn.1000-3428.2009.16.069
基于新的相异度量的模糊K-Modes聚类算法
传统的模糊K-Modes聚类算法采用简单匹配方法度量对象与Mode之间的相异程度,没有充分考虑Mode对类的代表程度,容易造成信息的丢失,弱化了类内的相似性.针对上述问题,通过对象对类的隶属度反映Mode对类的代表程度,提出一种新的相异度量,并将它应用于传统的模糊K-Modes聚类算法.与传统的K-Modes和模糊K-Modes聚类算法相比,该相异度量是有效的.
模糊K-Modes聚类算法、相异度量、类中心
35
TP311(计算技术、计算机技术)
国家"863"计划基金资助项目2007AA01Z165;国家自然科学基金资助项目60773133;山西省自然科学基金资助项目2008011038;山西省高校科技开发基金资助项目2007103
2009-09-28(万方平台首次上网日期,不代表论文的发表时间)
共3页
192-194