基于联系数的位置不确定性数据UCNK-Means聚类算法

• 作者: 王骏 黄德才
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 不确定性数据 联系数 聚类 数据挖掘
• 年，卷（期）: 2016,（z2）
• 所属期刊栏目: 数据挖掘
• 页码范围: 436-442
• 页数: 7页
• 分类号: TP181
• 字数: 10495字
• 语种: 中文

摘要

位置不确定性数据的聚类是一个新的不确定性数据聚类问题.其聚类方法主要包括获取对象的概率密度函数,通过积分计算对象间的期望距离来进行聚类分析和以区间数表示对象,通过区间数的系列运算来进行聚类分析这两大类.前者存在概率密度函数获取困难、计算复杂、实用性不强的缺陷;后者在区间数转化为实数过程中,忽略了区间数变化范围对聚类效果的影响,其聚类质量不佳.鉴于此,提出一种基于联系数的不确定对象聚类新算法UC-NK-Means.该算法用联系数巧妙地表示不确定性对象,并专门定义了对象间的联系距离,运用联系数态势值比较联系距离大小,克服了现有算法的不足.仿真实验表明,UCNK-Means具有聚类精度高、计算复杂度低、实用性强的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄德才	浙江工业大学计算机科学与技术学院	127	1618	20.0	35.0
2	王骏	浙江工业大学计算机科学与技术学院	3	8	2.0	2.0