动态区间的加权模糊聚类算法

摘要：

数据聚类在数据挖掘、数据分析中广泛应用,而不完整数据对数据聚类造成了很大困扰.针对不完整数据聚类中估值法填补缺失属性不准确的问题,提出动态区间的加权模糊聚类算法.首先,由属性相关度构造缺失属性的最近邻样本集,进而形成缺失属性估值区间.为进一步减小区间填补误差,使用基于最近邻样本集的离散度的区间因子来动态调节区间大小.其次,为充分挖掘属性空间的隐含信息,同时降低离群点对聚类中心的影响,对完整的区间型数据集进行基于局部密度的样本加权.最后,通过以上改进完成区间型样本的加权模糊聚类.利用多个UCI数据集和人工数据集验证提出的聚类算法,实验结果表明:动态区间的加权模糊聚类算法能有效提高聚类准确性、鲁棒性以及收敛的稳定性.

关键词：不完整数据、区间填补、加权、聚类算法

所属期刊栏目：14

分类号：TP311(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 51704138 国家自然科学基金;the Science and Technology Research Projects of Educational Department of Liaoning Province under Grant No. LQN201910 辽宁省教育厅科学技术研究项目

在线出版日期：2020-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1142-1153