基于数据场的粗糙聚类算法

计算机科学 ›› 2009, Vol. 36 ›› Issue (2): 203-206.

基于数据场的粗糙聚类算法

李学苗夺谦冯琴荣

同济大学计算机科学与技术系,上海201804

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受国家自然科学基金资助项目（60475019,60775036）,2006年博士学科点专项科研基金（20060247039）资助.

LI Xue, MIAO Duo-qian ,FENG Qin-rong （Department of Computer Science and Technology, Tongji University, Shanghai 201804,China）

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

摘要/Abstract

摘要： 聚类分析是数据挖掘的研究热点。传统的聚类算法都是把一个对象精确地划分到一个聚类簇中，类别之间的界限是非常精确的。随着web挖掘技术的发展，精确地划分每个对象的聚类算法面临着巨大的挑战。根据数据场理论和经典粗糙集理论所具有处理不精确与不确定性数据的特性，提出一种新的基于数据场的粗糙聚类算法，该粗糙聚类算法采用势值作为对象的划分依据，避免传统粗糙聚类算法一贯采用基于欧氏距离的划分方法。算法首先通过对数据对象进行粗分然后再不断迭代细分，直至形成稳定的聚类簇。实验分析过程中，把提出的算法与粗糙K-means算法和

关键词: 粗糙聚类数据场势值 Davies-bouldin指标

Abstract: Clustering analysis is the hotspot in Data mining, all the conventional clustering algorithms precisely put the each object into one cluster, the bounders between clusters are precise, as the development of the Web mining, clustering algorithms that preci

Key words: Rough clustering, Data field, Potential value, Davies-bouldin index

李学苗夺谦冯琴荣. 基于数据场的粗糙聚类算法[J]. 计算机科学, 2009, 36(2): 203-206. https://doi.org/

LI Xue, MIAO Duo-qian ,FENG Qin-rong （Department of Computer Science and Technology, Tongji University, Shanghai 201804,China）. [J]. Computer Science, 2009, 36(2): 203-206. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed