异构属性数据的量子聚类方法研究

• 作者: 李志华 王士同
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 异构数据 相异性度量 Mahalanobis距离 量子势能 聚类算法
• 年，卷（期）: 2009,（23）
• 所属期刊栏目: 研究、探讨
• 页码范围: 63-66
• 页数: 4页
• 分类号: TP181
• 字数: 4841字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.23.018

摘要

研究了异构属性数据的聚类问题.通过挖掘样本中的结构信息,用加权的Mahalanobis距离来度量异构样本的相异性;根据分类属性数据的分布与粒子在量子势能场中的分布不平衡的相似性,重写量子势能公式为距离量子势能的形式,提出了一种新的异构属性数据量子聚类WMDQC算法.通过进一步集成该算法和AHC算法为WMDQCM聚类方法,用AHC算法更高效地挖掘样本中有利于聚类的结构线索.实验结果表明,方法具有比较优势,显著地改善了聚类性能,具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学信息工程学院	528	3424	23.0	37.0
2	李志华	江南大学信息工程学院	69	263	8.0	13.0