一种改进的K-Modes聚类算法

• 作者: 梁毅 苏航 贾彬
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 聚类算法 相异度度量 初始中心点 多属性值Modes K-Modes
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 算法与语言
• 页码范围: 60-64,69
• 页数: 6页
• 分类号: TP312
• 字数: 6877字
• 语种: 中文
• DOI: 10.11907/rjdk.182651

摘要

为了改善传统K-Modes聚类算法相异度度量公式弱化了类内相似性,忽略了属性间差异,以及单一属性值的Modes忽视了某一属性可能存在多属性值组合,且算法受初始中心点影响很大的缺点,基于多属性值Modes的相异度度量方法提出MAV-K-Modes算法,并采用一种基于预聚类的初始中心选取方法.使用UCI数据集进行实验,结果表明,MAV-K-Modes算法相比于传统K-Modes算法,其正确率、类精度和召回率都有明显提升,且MAV-K-Modes算法适合于并行化改造.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏航	北京工业大学信息学部	21	57	5.0	7.0
2	梁毅	北京工业大学信息学部	25	56	5.0	6.0
3	贾彬	北京工业大学信息学部	1	4	1.0	1.0