基于粗糙集的改进K—Modes聚类算法

计算机科学 ›› 2009, Vol. 36 ›› Issue (1): 162-164.

基于粗糙集的改进K—Modes聚类算法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受国家863计划项目（2007AA01Z165）,国家自然科学基金（60773133）,高等学校博士学科点专项科研基金（20050108604）,教育部科学技术研究重点项目（206017）,山西省重点实验室开放基金（200603023）,山西省高校科技开发项目（2007103）和太原市科技局科技兴市专项项目（07010724）资助.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

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/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed