面向混合属性数据集的双重聚类方法

• 作者: 陈新泉
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 混合数据集 分离集 宽度优先搜索 深度优先搜索 双重聚类
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 127-132
• 页数: 6页
• 分类号: TP181
• 字数: 5893字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2013.02.022

摘要

面对复杂信息环境下的数据预处理需求,提出了一种可以处理混合属性数据集的双重聚类方法.这种双重聚类方法由双重近邻无向图的构造算法或其改进算法,基于分离集合并的双重近邻图聚类算法、基于宽度优先搜索的双重近邻图聚类算法、或基于深度优先搜索的双重近邻图聚类算法来实现.通过人工数据集和UCI标准数据集的仿真实验,可以验证,尽管这三个聚类算法所采用的搜索策略不同,但最终的结果是一致的.仿真实验结果还表明,对于一些具有明显聚类分布结构且无近邻噪声干扰的数据集,该方法经常能取得比K-means算法和AP算法更好的聚类精度,从而说明这种双重聚类方法具有一定的有效性.为进一步推广并在实际中发掘出该方法的应用价值,最后给出了一点较有价值的研究展望.

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