推进式优化特征权重的K-中心点聚类方法

• 作者: 陈新泉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 相异性度量 K-中心点聚类 有序属性 无序属性 混合属性
• 年，卷（期）: 2011,（29）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 175-181,204
• 分类号: TP181
• 字数: 11624字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.29.050

摘要

为获得更贴近于混合属性数据点集空间的相异性度量,从而探测出数据点集的更有意义的聚类分布,提出了一种推进式优化特征权重的K-中心点聚类算法.对该聚类算法进行了必要的讨论,给出其时间复杂度分析及算法收敛性分析.为实现该聚类算法的特征权重优化步骤,给出了二种不同的特征权重优化方法和几个自适应优化距离权重系数、目标函数系数的方法.这些优化方法在一定的理论层次上解决了相异性度量的自适应优化问题.通过几个UCI标准数据集验证了该聚类算法有时能取得更好的聚类质量,从而说明该加权聚类算法具有一定的有效性.给出了几点研究展望,为下一步的研究指明了方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈新泉	重庆三峡学院计算机科学与工程学院	6	11	2.0	2.0