基于改进属性约简的粗核聚类算法

• 作者: 丁世飞 徐丽 郭锋锋
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 粗糙集 属性约简 属性重要度 信息熵 核聚类
• 年，卷（期）: 2011,（3）
• 页码范围: 105-109
• 分类号: TP181
• 字数: 4554字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2011.03.022

摘要

核聚类算法是一种能够处理样本间差异微弱的有效聚类算法.以粗糙集理论为基础,将基于属性重要度的属性约简算法应用到核聚类算法中,提出一种新的聚类改进算法,由此可以得到高准确率低复杂度的良好结果.该算法在使用核函数对样本优化前,首先用基于属性重要度的约简算法对样本属性进行处理,同时引入信息熵来改进约简算法,从而删除冗余属性得到较优的属性集；然后对样本进行K-means聚类,采用软划分把样本划分到相应聚类中心的上下近似子集中,根据近似子集中样本对聚类的影响程度不同,对上下近似中的样本设置不同的权重来共同决定新的聚类中心.此算法相当于对样本进行了双重优化,采用UCI数据集来测试算法性能.通过和传统聚类算法比较,得出本算法在提高聚类精度的同时降低了复杂度,收敛速度也得到了一定提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁世飞	中国矿业大学计算机科学与技术学院	83	2735	17.0	52.0
5	徐丽	中国矿业大学计算机科学与技术学院	8	63	4.0	7.0
6	郭锋锋	中国矿业大学计算机科学与技术学院	1	3	1.0	1.0