分类属性数据量子聚类算法的改进

• 作者: 李炜 段晓燕 赵小强 赵正天
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 分类属性 量子聚类 相异性度量测度 聚类度量尺度步长 紧致性指标
• 年，卷（期）: 2010,（12）
• 页码范围: 101-104
• 分类号: TP3
• 字数: 4358字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2010.12.032

摘要

分析量子势能、量子力学中粒子分布机制和分类属性数据的量子聚类CQC(Categorical Quantum Clustering)算法.针对CQC算法存在的聚类效果对聚类度量尺度β较敏感,而β的选取往往凭经验确定没有通用原则,以及对线性可分数据聚类效果显著,但对线性不可分数据不能奏效等问题,通过引入新的相异性度量测度及聚类度量尺度步长βstep,重新定义紧致性指标ICD,提出一种改进的ICQC算法.该算法首先在不同粒度水平上划分数据样本产生初始类(簇),之后采用聚类中心间相异性测度最近邻方法合并初始类(簇)完成聚类.通过与CQC算法的实验比较,证明该算法具有更高的聚类效能,在CQC算法失效的情况下,也能获得良好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵小强	兰州理工大学电气工程与信息工程学院	66	312	10.0	13.0
2	李炜	兰州理工大学电气工程与信息工程学院	205	1532	17.0	27.0
3	赵正天	兰州理工大学电气工程与信息工程学院	11	54	5.0	6.0
4	段晓燕	兰州石化职业技术学院电子电气工程系	10	57	5.0	7.0