摘要:
针对传统的聚类算法对初始聚类中心敏感、只能对单一属性聚类且聚类效果有时欠佳等不足,提出了一种能处理数值属性和分类属性的Gk-prototypes聚类算法。
在经典的k-prototypes聚类算法的基础上,利用去模糊相似矩阵来构造粗粒子集,结合粒计算和最大最小距离法确定初始聚类中心,并改进了目标函数。实验结果和理论分析表明,Gk-prototypes聚类算法与其他基于k-prototypes的改进算法相比,聚类更准确,有效性更好,鲁棒性更强。
郭映江,徐蔚鸿,陈沅涛,文泽林. 一种有效的Gk-prototypes聚类算法[J]. 计算机工程与科学.
GUO Ying-jiang,XU Wei-hong,CHEN Yuan-tao,WEN Ze-lin. A novel Gk-prototypes clustering algorithm[J]. Computer Engineering & Science.