面向混合属性数据集的改进半监督FCM聚类方法

• 作者: 司加胜 唐昊 李晓庆 苗刚中
• 来源期刊: 自动化学报
• 关键词: 混合属性 相异度阈值 模糊均值聚类 Jaccard
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 论文与报告
• 页码范围: 2259-2268
• 页数: 10页
• 字数: 8515字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170510

摘要

针对混合属性数据集聚类精度低的问题, 本文提出一种基于改进距离度量的半监督模糊均值聚类 (Fuzzy C-means, FCM) 算法.首先, 在数据集中针对类别属性进行预处理, 并设置相应的相异度阈值;将传统聚类距离度量与改进的Jaccard距离度量结合, 确定混合属性数据集的距离度量函数;最后, 将所得距离度量函数与传统半监督FCM算法相结合, 并在滚动轴承的不同复合故障数据的特征集中进行聚类.实验表明, 该算法能在含无序属性的混合属性数据集的聚类中取得更好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐昊	合肥工业大学电气与自动化工程学院	45	207	8.0	10.0
2	司加胜	合肥工业大学电气与自动化工程学院	2	5	1.0	2.0
3	李晓庆	合肥工业大学电气与自动化工程学院	3	13	2.0	3.0
4	苗刚中	合肥工业大学电气与自动化工程学院	6	9	2.0	3.0