一种面向不完备数据的集对粒层次聚类算法

摘要：

针对现有层次聚类算法难以处理不完备数据集,同时考虑样本与类簇之间的不确定关系,提出一种面向不完备数据的集对粒层次聚类算法-SPGCURE.首先,采用集对信息粒的知识对缺失值进行处理,不同于以往算法中将缺失属性删除或者填充,用集对联系度中的差异度来表示缺失属性值,提出一种改进的集对信息距离度量方法,用于考量不完备数据样本间的紧密程度;其次,基于改进后的集对距离度量,给出各个类簇的类内平均距离的定义,形成以正同域Cs(样本一定属于类簇)、边界域Cu(样本可能属于类簇)和负反域Co(样本不属于类簇)表示的集对粒层次聚类;SPGCURE算法在完备和不完备数据都适用,最后,选用5个经典的UCI数据集,与常用的经典及改进聚类算法进行实验评价,结果表明,SPGCURE算法在准确度、F-meas-ure、调整兰德系数和标准互信息等指标上均具有不错的聚类性能.

关键词：不完备数据、集对信息粒、层次聚类、集对信息距离

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：河北省自然科学基金项目;河北省自然科学基金项目

在线出版日期：2021-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：522-530