基于联系数的位置不确定性数据UCNK-Means聚类算法

摘要：

位置不确定性数据的聚类是一个新的不确定性数据聚类问题.其聚类方法主要包括获取对象的概率密度函数,通过积分计算对象间的期望距离来进行聚类分析和以区间数表示对象,通过区间数的系列运算来进行聚类分析这两大类.前者存在概率密度函数获取困难、计算复杂、实用性不强的缺陷;后者在区间数转化为实数过程中,忽略了区间数变化范围对聚类效果的影响,其聚类质量不佳.鉴于此,提出一种基于联系数的不确定对象聚类新算法UC-NK-Means.该算法用联系数巧妙地表示不确定性对象,并专门定义了对象间的联系距离,运用联系数态势值比较联系距离大小,克服了现有算法的不足.仿真实验表明,UCNK-Means具有聚类精度高、计算复杂度低、实用性强的特点.

关键词：不确定性数据、联系数、聚类、数据挖掘

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：水利部公益性行业科研专项201401044

在线出版日期：2016-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：436-442