基于二部图的概念聚类研究

• 作者: 史金成 胡学钢
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 机器学习 概念聚类 关联聚类 二部图 二元组
• 年，卷（期）: 2010,（13）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 132-134
• 分类号: TP391
• 字数: 3589字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.13.039

摘要

传统概念聚类算法中簇的更新和存储不仅依赖于对象数目和属性数目,而且依赖于属性值的数目,这种局限性使其不适用于大型数据集.提出一种新的基于二部图的概念聚类算法(BGBCC),该算法通过获得二部图的近似极大ε二元组集,有效地进行数据与属性的关联聚类.实验表明,该算法能得到较好的聚类结果,且能在较短的时间内进行大型数据集的概念聚类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学钢	合肥工业大学计算机与信息学院	314	3156	27.0	39.0
2	史金成	铜陵学院数学与计算机科学系	9	69	5.0	8.0