面向混合属性数据集的双重聚类方法

摘要：

面对复杂信息环境下的数据预处理需求,提出了一种可以处理混合属性数据集的双重聚类方法.这种双重聚类方法由双重近邻无向图的构造算法或其改进算法,基于分离集合并的双重近邻图聚类算法、基于宽度优先搜索的双重近邻图聚类算法、或基于深度优先搜索的双重近邻图聚类算法来实现.通过人工数据集和UCI标准数据集的仿真实验,可以验证,尽管这三个聚类算法所采用的搜索策略不同,但最终的结果是一致的.仿真实验结果还表明,对于一些具有明显聚类分布结构且无近邻噪声干扰的数据集,该方法经常能取得比K-means算法和AP算法更好的聚类精度,从而说明这种双重聚类方法具有一定的有效性.为进一步推广并在实际中发掘出该方法的应用价值,最后给出了一点较有价值的研究展望.

关键词：混合数据集、分离集、宽度优先搜索、深度优先搜索、双重聚类

所属期刊栏目：35

分类号：TP181(自动化基础理论)

资助基金：重庆三峡学院科学研究项目计划资助11ZZ-058

在线出版日期：2013-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：127-132