基于最长频繁闭项集的聚类算法

被引：2

作者：

张泽洪

张伟

机构：

[1] 江南大学信息工程学院

来源：

计算机工程 | 2007年 / 01期

关键词：

分类数据; 聚类算法; 闭项集; 频繁模式树;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

针对许多算法不适合对分类数据进行聚类的特点,提出了一种基于最长频繁闭项集(LFCI)的聚类算法。使用改造后的频繁模式树,得到每个事务的LFCI,由于LFCI的两个重要属性,因此可以将LFCI作为该事务的描述,从而直接得到聚类结果。实验证明了该算法的有效性。

引用

页码：187 / 189+192 +192

页数：4

共 4 条

[1]

ROCK:A Robust Clustering Algorithm for Categorical Attributes. Guha S,Rastogi R,Shim K. Proceedings of the 15th International Conference on Data Engineering . 1999

[2]

LIMBO:Scalable Clustering of Categorical Data. Andritsos P,Tsaparas P,Miller R J,et al. Proceedings of the 9th International Conference on Extending Database Technology . 2004

[3]

Fast Algorithm for Frequent Itemset Mining Using FP-Trees. Grahne G,Zhu J F. IEEE Trans.on Knowledge&Data Engineering . 2005

[4]

UCI Repository of Machine Learning Databases. Newman D J,Hettich S,Blake C L,et al. http://www.ics.uci.edu/~mlearn/MLRepository.html . 1998

← 1 →