一种新的不确定树模式聚类算法

• 作者: 郭鑫 颜一鸣
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 数据挖掘 有序树 频繁子树 相似度 不确定树 聚类
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 数据挖掘
• 页码范围: 156-163
• 页数: 8页
• 分类号: TP311
• 字数: 5855字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2013.07.026

摘要

不确定树模式聚类是数据挖掘领域中的一个重要问题,提出了一种新的不确定树模式聚类算法,有效地解决了因数据的不确定性而导致的无法聚类的问题.为了更加准确地度量树模式之间的相似性,提出了一种语义相似度计算方法与结构相似度计算方法.设计了一个动态聚类过程,自适应获取聚类阈值,较大程度上减少了人为干扰导致聚类结果不准确的影响,使得具有相似结构的子树聚集在同一个相似分组中,不同分组之间的子树相似度达到最小化.通过模拟数据和真实环境两部分实验表明,算法有效可行,聚类结果较准确且具有较好的运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭鑫	吉首大学软件服务外包学院	35	135	7.0	10.0
2	颜一鸣	吉首大学软件服务外包学院	23	214	5.0	14.0