基于非度量多维缩放的聚类组合算法
针对单一聚类方法远不能满足实际数据分析需求,且K-Means聚类中维数高,非度量型数据分析亟待解决的问题,提出一种基于非度量多维缩放的聚类组合算法(NMDSCCA).该算法通过非度量多维缩放方法对非度量型的高维数据进行降维,利用降维后得到的主成分变量作为输入变量,以K-Means算法作为基聚类器进行聚类,解决了K-Means算法无法处理分类数据以及维数高的变量局限性,使其具有普适性.仿真实验表明,新算法不仅聚类效果上均优于传统K-Means算法及基于主成分分析(PCA)的聚类组合算法,而且算法应用于大数据时具有更高的收敛速度.
非度量多维缩放、K-Means算法、聚类分析、聚类组合、高维数据、主成分分析
38
TP181(自动化基础理论)
国家自然科学基金青年基金资助项目61304169
2018-08-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
67-72