基于数据挖掘的符号序列聚类相似度量模型

• 作者: 初佃辉 徐晓飞 战德臣 郑宏珍
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 符号序列聚类 数据挖掘 相似性模型
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 178-179,194
• 页数: 3页
• 分类号: TP391
• 字数: 3540字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.01.061

摘要

为了从消费者偏好序列中发现市场细分结构,采用数据挖掘领域中的符号序列聚类方法,提出一种符号序列聚类的研究方法和框架,给出RSM相似性度量模型.调整RSM模型参数,使得RSM可以变为与编辑距离、海明距离等价的相似性度量.通过RSM与其他序列相似性度量的比较,表明RSM具有更强的表达相似性概念的能力.由于RSM能够表达不同的相似性概念,从而使之能适用于不同的应用环境,并在其基础上提出自组织特征映射退火符号聚类模型,使得从消费者偏好进行市场细分结构研究的研究途径在实际应用中得以实现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐晓飞	哈尔滨工业大学智能计算中心	224	4146	33.0	53.0
2	战德臣	哈尔滨工业大学智能计算中心	127	2631	27.0	45.0
3	郑宏珍	哈尔滨工业大学智能计算中心	12	44	4.0	6.0
4	初佃辉	哈尔滨工业大学智能计算中心	20	146	7.0	12.0