基于信息增益的模糊K-prototypes聚类算法

• 作者: 刘智琦 戴喜生 欧阳浩 王智文
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 聚类 信息增益 模糊K-prototypes算法 混合型数据
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 数据挖掘
• 页码范围: 1009-1014
• 页数: 6页
• 分类号: TP391
• 字数: 5011字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.05.023

摘要

K-prototypes聚类算法结合了K-means算法和K-modes算法,可用于分析混合属性的数据对象.传统的K-prototypes聚类算法在计算数据对象的相异度时,未考虑各个属性对于最终聚类结果的影响程度,而现实世界中,各属性的重要程度是不同的.使用了信息论中信息增益的计算方法,来获得各个属性的权值.在计算各属性的差异度时,乘以这些权值,从而可以获得更为准确的聚类结果.为了增加算法处理模糊问题的能力,本算法引用了模糊理论,从而使其具有较好的抗干扰能力和处理不确定性问题的能力.通过对四个UCI数据集的聚类分析实验,表明了本算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王智文	广西科技大学计算机学院	21	48	4.0	5.0
2	戴喜生	广西科技大学电气与信息工程学院	17	39	4.0	5.0
3	欧阳浩	广西科技大学计算机学院	19	82	6.0	8.0
4	刘智琦	广西科技大学计算机学院	2	10	2.0	2.0