基于贝叶斯距离的K-modes聚类算法

• 作者: 刘建辉 张昭昭 赵亮
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: K-modes聚类算法 分类变量 朴素贝叶斯分类器 距离度量
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 188-193
• 页数: 6页
• 分类号: TP391
• 字数: 4722字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.01.026

摘要

K-modes算法中原有的分类变量间距离度量方法无法体现属性值之间差异,对此提出了一种基于朴素贝叶斯分类器中间运算结果的距离度量.该度量构建代表分类变量的特征向量并计算向量间的欧氏距离作为变量间的距离.将提出的距离度量代入K-modes聚类算法并在多个UCI公共数据集上与其他度量方法进行比较,实验结果表明该距离度量更加有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵亮	辽宁工程技术大学研究生院	20	176	7.0	13.0
2	刘建辉	辽宁工程技术大学电子与信息工程学院	120	490	10.0	14.0
3	张昭昭	辽宁工程技术大学电子与信息工程学院	18	118	7.0	10.0