拓展差异度的高维数据聚类算法

摘要：

CABOSFV是一种有效的高维数据聚类算法.针对CABOSFV算法倾向于将数据对象分配到更大的类中这一问题,提出一种拓展差异度的高维数据聚类算法(CABOSFV_D).该算法引入了调整指数p,对原始稀疏差异度进行拓展,降低类大小对对象分配的影响;同时用位集的方式实现CABOSFV_D算法,使算法的运算效率明显提升.基于多个UCI标准数据集进行聚类实验,结果表明CABOSFV_D在聚类效果和时间效率上均优于原始CABOSFV算法.

关键词：拓展差异度、CABOSFV、高维聚类、CABOSFV_D、位集

所属期刊栏目：56

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金No.71271027.No.71971025

在线出版日期：2020-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：38-44