基于Eros距离的纵向数据模糊聚类方法

• 作者: 方丽英 李会民 王普 闫健卓
• 来源期刊: 北京工业大学学报
• 学科: 工学
• 关键词: 纵向数据 扩展范式距离 FErosCM聚类 信息熵
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 电子信息工程
• 页码范围: 1161-1165
• 页数: 5页
• 分类号: TP391
• 语种: 中文

摘要

针对纵向数据集的数据特征,如多维、含缺失值、序列不等间隔和不全等长等特点,研究一种基于Eros距离的纵向数据的相似性度量方法,并对模糊C均值聚类算法进行改进,提出一种基于Eros距离度量的模糊聚类数据处理方法.对于纵向数据集,首先进行缺失值填充、变量标准化等预处理,使用粗糙集理论对冗余属性进行约简,然后基于FErosCM聚类方法进行数据自动分类.对比实验证实此方法可用于纵向数据集的自动聚类处理,并使用信息熵作为聚类效果的评价手段.实验结果表明:无论在聚类效率还是准确度上,FErosCM方法对于纵向数据的分类处理均是有效可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王普		206	1897	22.0	33.0
2	方丽英		30	143	8.0	10.0
3	闫健卓		28	188	8.0	12.0
4	李会民		4	10	2.0	3.0