基于粗糙集理论的模糊C-means高维数据聚类算法

• 作者: 徐显景 朱付保 朱颢东 白庆春
• 来源期刊: 华中师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 粗糙集 模糊C均值 高维数据 聚类
• 年，卷（期）: 2015,（4）
• 页码范围: 511-514,537
• 页数: 5页
• 分类号: TP311.131
• 字数: 4398字
• 语种: 中文

摘要

模糊C-means算法是一种重要的聚类分析算法,但是在数据维数较高的情况下,该算法计算量急剧上升从而导致其效率较低.针对这一问题,提出了一种基于粗糙集理论的模糊C-means高维数据聚类算法,该算法在传统模糊C-means算法的基础上引入了粗糙集属性约简的理念,通过对数据集属性的约简,提取出对分类影响较大的属性集而摒弃与分类无关的属性,进而在聚类过程中只计算属性约简结果集中的属性,从而减少聚类过程的工作量、提高聚类效率.理论分析和实验结果表明,该算法在处理高维数据时较高效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱颢东	郑州轻工业学院计算机与通信工程学院	70	367	11.0	13.0
2	朱付保	郑州轻工业学院计算机与通信工程学院	38	118	6.0	8.0
3	徐显景	郑州轻工业学院计算机与通信工程学院	8	31	3.0	5.0
4	白庆春	郑州轻工业学院计算机与通信工程学院	5	23	4.0	4.0