一种有效的用于数据挖掘的动态概念聚类算法

• 作者: 施鹏飞 赵奕 郭建生
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 数据挖掘 动态概念聚类 语义距离 领域知识
• 年，卷（期）: 2001,（4）
• 页码范围: 582-591
• 页数: 10页
• 分类号: TP18|TP311
• 字数: 7737字
• 语种: 中文

摘要

概念聚类适用于领域知识不完整或领域知识缺乏时的数据挖掘任务.定义了一种基于语义的距离判定函数,结合领域知识对连续属性值进行概念化处理,对于用分类属性和数值属性混合描述数据对象的情况,提出了一种动态概念聚类算法DDCA(domain-based dynamic clustering algorithm).该算法能够自动确定聚类数目,依据聚类内部属性值的频繁程度修正聚类中心,通过概念归纳处理,用概念合取表达式解释聚类输出.研究表明,基于语义距离判定函数和基于领域知识的动态概念聚类的算法DDCA是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施鹏飞	上海交通大学图像处理与模式识别研究所	194	4457	36.0	59.0
2	赵奕	上海交通大学图像处理与模式识别研究所	9	240	7.0	9.0
3	郭建生	上海交通大学图像处理与模式识别研究所	2	151	2.0	2.0