一种有效的高属性维稀疏数据聚类算法

被引：6

作者：

赵亚琴

周献中

何新

王建宇

机构：

[1] 南京理工大学自动化学院

[2] 南京大学工程管理学院

来源：

模式识别与人工智能 | 2006年 / 19卷 / 03期

关键词：

稀疏相似度; 等价关系的相似度; 数据压缩; 聚类;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

聚类分析是数据挖掘最常见的技术之一.数据的规模、维数和稀疏性都是制约聚类分析的不同方面.本文提出一种有效的高属性维稀疏数据聚类方法.给出稀疏相似度、等价关系的相似度、广义的等价关系的定义.基于对象间的稀疏相似度和等价关系原理形成初始等价类.通过等价关系的相似度修正初始等价关系.使得最终聚类结果更合理.该算法聚类过程不依赖于输入样本的排列顺序.高维稀疏数据的有效压缩提高算法在维数较高时的执行效率.适合于高维稀疏数据的聚类分析.

引用

页码：289 / 294

页数：6

共 6 条

[1] 高属性维稀疏数据聚类回归逻辑神经网络模型及学习算法 [J].

周永权 ;

焦李成 .

电子学报, 2004, (08) :1342-1345

[2] 粗糙集理论中概念与运算的信息表示 [J].

苗夺谦 ;

王珏 .

软件学报, 1999, (02) :2-5

[3]

高维稀疏聚类知识发现[M]. 冶金工业出版社 , 武森等著, 2003

[4]

数据挖掘[M]. 机械工业出版社 , (加)JiaweiHan, 2001

[5]

DataMining:Concepts andTechniques .2 HanJ,KambrM. . 2001

[6]

Dealing with Relatively Proximity by Rough Clustering .2 Hirano S,Tsumoto S. Proc of the 22nd International Conference of the North American Fuzzy Information Processing Society . 2003

← 1 →