主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
陈宁,陈安,周龙骧.数值型和分类型混合数据的模糊K-Prototypes聚类算法.软件学报,2001,12(8):1107-1119
数值型和分类型混合数据的模糊K-Prototypes聚类算法
Fuzzy K-Prototypes Algorithm for Clustering Mixed Numericand Categorical Valued Data
  
DOI:
中文关键词:  数值型属性  分类型属性  确定聚类  模糊聚类
英文关键词:numeric attribute  categorical attribute  hard clustering  fuzzy clustering
基金项目:Supported by the National Natural Science Foundation of China under Grant No. 69983011(国家自然科学基金)
作者单位
陈宁 中国科学院数学与系统科学研究院北京 100080 
陈安 中国科学院科技政策与管理科学研究所北京 100080 中国科学院软件研究所北京 100080 
周龙骧 中国科学院数学与系统科学研究院北京 100080 
摘要点击次数: 3341
全文下载次数: 2842
中文摘要:
      由于数据库经常同时包含数值型和分类型的属性,因此研究能够处理混合型数据的聚类算法无疑是很重要的.讨论了混合型数据的聚类问题,提出了一种模糊K-prototypes算法.该算法融合了K-means和K-modes对数值型和分类型数据的处理方法,能够处理混合类型的数据.模糊技术体现聚类的边界特征,更适合处理含有噪声和缺失数据的数据库.实验结果显示,模糊算法比相应的确定算法得到的结果准确度高.
英文摘要:
      The capacity of dealing with mixed numeric and categorical valued data is undoubtedly important for clustering algorithms because there is usually a mixture of numeric and categorical valued attributes in real databases. The use of fuzzy techniques makes clustering algorithms robust against noise and missing values in the databases. In this paper, a fuzzy kprototypes algorithm integrating k-means and k-modes algorithm is presented and is used to mixed databases. Experiments on several real databases demonstrategythat fuzzy algorithm can get better result than the corres ponding hard algorithm.Some properries of fuzzt k-prototypes algorithm are also discussed.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利