属性权重聚类算法的研究

被引：9

作者：

武优西

侯丹丹

李建满

米少华

机构：

[1] 河北工业大学计算机科学与软件学院

来源：

小型微型计算机系统 | 2012年 / 33卷 / 03期

关键词：

聚类; 属性权重; 改进粒子群算法; 迭代自组织数据分析技术算法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

一个实际的聚类问题中,各维属性的贡献通常是不一样的,具有主次之分,但传统的聚类算法将所有属性赋予相同的权重.如果能够将其重要属性赋予较大属性权重,则可以提高聚类效果.采用改进粒子群优化算法为每一维属性求取相应权重,并将得到的权重应用到迭代自组织数据分析技术算法中,构建一种基于改进粒子群属性权重的迭代自组织数据分析技术算法.试验结果表明,合理的权重改善了聚类算法的性能,提高了聚类质量.

引用

页码：651 / 654

页数：4

共 5 条

[1] 粒子群K-Medoids带障碍约束空间聚类分析研究
张雪萍
王家耀
范中山
邓高峰
[J]. 小型微型计算机系统, 2009, 30 (10) : 2025 - 2029
[2] 一个有效的基于信息熵的启发式属性约简算法
徐章艳
侯伟
宋威
杨炳儒
[J]. 小型微型计算机系统, 2009, 30 (09) : 1805 - 1810
[3] Improving fuzzy c-means clustering based on feature-weight learning
Wang, XZ
Wang, YD
Wang, LJ
[J]. PATTERN RECOGNITION LETTERS, 2004, 25 (10) : 1123 - 1132
[4] Techniques of cluster algorithms in data mining
Grabmeier, J
Rudolph, A
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 2002, 6 (04) : 303 - 360
[5] On Clustering Validation Techniques. [J] . Maria Halkidi,Yannis Batistakis,Michalis Vazirgiannis.&nbsp&nbspJ. Intell. Inf. Syst. . 2001 (2-3)

← 1 →