混合属性数据集的基于近邻连接的两阶段聚类算法

• 作者: 陈新泉
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 混合属性 聚类特征 初级聚类 近邻图
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 数据挖掘
• 页码范围: 135-142
• 分类号: TP181
• 字数: 9270字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2012.09.025

摘要

面对混合属性数据集的数据预处理需求,本文在给出若干定义及相关性质之后,提出了一种基于近邻连接的两阶段聚类算法.为提高算法的时间效率,给出了算法改进的思路与技术.多个人工数据集和UCI标准数据集的仿真实验结果表明,对于一些具有明显聚类分布结构的数据集,该算法经常能取得比k-means算法和AP算法更好的聚类精度,说明它具有一定的有效性.为进一步推广并在实际中发掘出该算法的应用价值,最后给出了几点研究展望.

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	15	56	4.0	7.0