面向混合属性数据集的改进半监督FCM聚类方法

摘要：

针对混合属性数据集聚类精度低的问题, 本文提出一种基于改进距离度量的半监督模糊均值聚类 (Fuzzy C-means, FCM) 算法.首先, 在数据集中针对类别属性进行预处理, 并设置相应的相异度阈值;将传统聚类距离度量与改进的Jaccard距离度量结合, 确定混合属性数据集的距离度量函数;最后, 将所得距离度量函数与传统半监督FCM算法相结合, 并在滚动轴承的不同复合故障数据的特征集中进行聚类.实验表明, 该算法能在含无序属性的混合属性数据集的聚类中取得更好的聚类效果.

关键词：混合属性、相异度阈值、模糊均值聚类、Jaccard

所属期刊栏目：44

资助基金：国家重点研发计划2017YFB0902600;国家自然科学基金61573126

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2259-2268