一种基于自组织分级聚类的数据挖掘方法

• 作者: 杨天奇
• 来源期刊: 暨南大学学报（自然科学与医学版）
• 学科: 工学
• 关键词: 自组织聚类 数据分级挖掘 最大似然分类
• 年，卷（期）: 2005,（5）
• 页码范围: 617-621
• 页数: 5页
• 分类号: TP18
• 字数: 2536字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-9965.2005.05.007

摘要

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足,提出了一种基于自组织分级聚类的数据挖掘方法. 该方法采用最大似然分类自组织特征网络(MAXNET)聚类过程,利用自下而上聚合层次聚类方法,对有畸变的二值化输入模式作最大似然分类. 最后对一个销售电脑商场中,与任务相关的交易数据集进行了分析,描述了从低层次概念到高层次概念的相互关系. 并用matlab仿真软件把该方法和传统方法进行比较,表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨天奇	暨南大学计算机科学系	44	282	9.0	14.0