计算机科学 ›› 2009, Vol. 36 ›› Issue (1): 162-164.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要: 传统的K-Modes算法采用简单匹配的方法来计算对象之间的距离,并没有充分考虑同一属性下的两个不同值之间的相似性。基于粗糙集中的上、下近似,提出了一种新的距离度量,并重新定义了类中心,对传统K—Modes算法进行了改进。与其他改进K—Modes算法进行了比较,实验结果表明,基于粗糙集的改进K—Modes算法有效地提高了聚类精度。
关键词: 聚类算法 粗糙集 距离度量 K-Modes算法
Abstract: Traditional K Modes clustering algorithm uses a simple matching dissimilarity measure to compute the distance between two objects. However,the similarity between two values of the same attributes is not considered. A new distance measure based on upper an
Key words: Clustering algorithm,Rough sets,Distance measure
. 基于粗糙集的改进K—Modes聚类算法[J]. 计算机科学, 2009, 36(1): 162-164. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2009/V36/I1/162
Cited