模糊K-Prototypes算法中的加权指数研究

被引：4

作者：

汪加才

朱艺华

机构：

[1] 南京审计学院计算机科学与技术系

[2] 浙江工业大学信息智能与决策优化研究所江苏南京

[3] 浙江杭州

来源：

计算机应用 | 2005年 / 02期

关键词：

加权指数; FKP算法; 聚类有效性;

D O I：

暂无

中图分类号：

TP311.131 [];

学科分类号：

1201 ;

摘要：

模糊K Prototypes(FKP)算法融合了K Means和K Modes对数值型和符号型数据的处理方法,适合于混合类型数据的聚类分析。同时,模糊技术使得FKP适合于处理含有噪声和缺少数据的数据库。但是,在使用FCM(FuzzyC Meansalgorithm)或FKP算法时,如何选取加权指数α仍是悬而未决的问题。许多研究者基于他们的实验结果给出FCM中的最佳加权指数可能位于区间 [1. 5,2. 5],本文则提出了一个FKP中加权指数的探寻算法。在多个实际数据集上的实验结果表明,为进行有效的聚类,FKP中加权指数应该小于 1. 5。

引用

页码：348 / 351

页数：4