一种基于相似度概率的不确定分类数据聚类算法

• 作者: 张新猛 蒋盛益
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 不确定数据 分类数据 数据挖掘 聚类
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 12-16
• 分类号: TP391
• 语种: 中文

摘要

针对不确定分类数据,基于Squeezer算法提出一种有效的不确定数据聚类算法:USqueezer算法.该算法先计算一个不确定分类数据与每个簇的相似度概率和,选取最大的相似度和给定的阈值相比较,若大于阈值,将不确定数据划分到该簇中,否则创建一个新簇.实验表明,USqueezer算法能够有效地进行不确定分类数据的聚类,并且占用较少的运行内存空间和运行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋盛益	广东外语外贸大学思科信息学院	92	1053	18.0	28.0
2	张新猛	广东外语外贸大学思科信息学院	22	222	8.0	14.0