基于新的距离度量的K-Modes聚类算法

被引：45

作者：

梁吉业 ^{[1
,2
]}

白亮 ^{[1
]}

曹付元 ^{[1
,2
]}

机构：

[1] 山西大学计算机与信息技术学院

[2] 计算智能与中文信息处理教育部重点实验室(山西大学)

来源：

计算机研究与发展 | 2010年 / 10期

关键词：

聚类算法; 分类属性数据; 粗糙集; 粗糙隶属度; 距离度量;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

传统的K-Modes聚类算法采用简单的0-1匹配差异方法来计算同一分类属性下两个属性值之间的距离,没有充分考虑其相似性.对此,基于粗糙集理论,提出了一种新的距离度量.该距离度量在度量同一分类属性下两个属性值之间的差异时,克服了简单0-1匹配差异法的不足,既考虑了它们本身的异同,又考虑了其他相关分类属性对它们的区分性.并将提出的距离度量应用于传统K-Modes聚类算法中.通过与基于其他距离度量的K-Modes聚类算法进行实验比较,结果表明新的距离度量是更加有效的.

引用

页码：1749 / 1755

页数：7

共 11 条

[1] 基于节点生长k-均值聚类算法的强化学习方法
陈宗海
文锋
聂建斌
吴晓曙
[J]. 计算机研究与发展, 2006, (04) : 661 - 666
[2] 基于信息粒度与Rough集的聚类方法研究
安秋生
沈钧毅
王国胤
[J]. 模式识别与人工智能, 2003, 16 (04) : 412 - 417
[3] 基于视觉系统的聚类算法
张讲社
梁怡
徐宗本
[J]. 计算机学报, 2001, (05) : 496 - 501
[4] 信息系统中的不确定性与知识获取[M]. 科学出版社 , 梁吉业, 2005
[5] Hierarchical clustering of mixed data based on distance hierarchy
Hsu, Chung-Chian
Chen, Chin-Long
Su, Yu-Wei
[J]. INFORMATION SCIENCES, 2007, 177 (20) : 4474 - 4492
[6] Rough clustering of sequential data
Kumar, Pradeep
Krishna, P. Radha
Bapi, Raju. S.
De, Supriya Kumar
[J]. DATA & KNOWLEDGE ENGINEERING, 2007, 63 (02) : 183 - 199
[7] MMR: An algorithm for clustering categorical data using Rough Set Theory[J] . Darshit Parmar,Teresa Wu,Jennifer Blackhurst.Data & Knowledge Engineering . 2007 (3)
[8] A k-mean clustering algorithm for mixed numeric and categorical data
Ahmad, Amir
Dey, Lipika
[J]. DATA & KNOWLEDGE ENGINEERING, 2007, 63 (02) : 503 - 527
[9] Information entropy, rough entropy and knowledge granulation in incomplete information systems[J] . J. Liang,Z. Shi,D. Li,M. J. Wierman.International Journal of General Systems . 2006 (6)
[10] An Evaluation of Statistical Approaches to Text Categorization
Yiming Yang
[J]. Information Retrieval, 1999, 1 (1-2): : 69 - 90

← 1 2 →