基于数据场的粗糙聚类算法

• 作者: 冯琴荣 李学 苗夺谦
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 粗糙聚类 数据场 势值 Davies-bouldin指标
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 人工智能及图像处理
• 页码范围: 203-206,244
• 页数: 5页
• 分类号: TP3
• 字数: 5889字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2009.02.048

摘要

聚类分析是数据挖掘的研究热点.传统的聚类算法都是把一个对象精确地划分到一个聚类簇中,类别之间的界限是非常精确的.随着Web挖掘技术的发展,精确地划分每个对象的聚类算法面临着巨大的挑战.根据数据场理论和经典粗糙集理论所具有处理不精确与不确定性数据的特性,提出一种新的基于数据场的粗糙聚类算法,该粗糙聚类算法采用势值作为对象的划分依据,避免传统粗糙聚类算法一贯采用基于欧氏距离的划分方法.算法首先通过对数据对象进行粗分然后再不断迭代细分,直至形成稳定的聚类簇.实验分析过程中,把提出的算法与粗糙K-means算法和粗糙K-medoids算法进行了比较,结果表明该算法在交叉数据集上具有较好的聚类效果,而且收敛速度较快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苗夺谦	同济大学计算机科学与技术系	123	2389	25.0	44.0
2	冯琴荣	同济大学计算机科学与技术系	7	147	6.0	7.0
3	李学	同济大学计算机科学与技术系	1	30	1.0	1.0