10.16652/j.issn.1004-373x.2017.21.031
基于多属性模糊C均值聚类的属性约简算法
模糊C均值聚类算法在处理高维数据集时,存在计算复杂度高,算法泛化能力差,计算精度低等问题.考虑到特征属性对聚类的贡献程度的差异,在多属性模糊C均值聚类的思想上,提出一种基于属性重要性的约简算法.为验证有效性,在UCI数据集上,将新算法与因子分析法和粗糙集理论约简方法进行比较分析.实验结果表明,该方法具有更好的泛用性,在平均标准差大或类间中心距离较远的数据集上具有更好的性能.
数据挖掘、模糊C均值聚类、属性约简、聚类效果
40
TN911.1-34;TP391
国家自然科学基金11201290
2017-11-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
112-116