基于新的距离度量的K-Modes聚类算法

摘要：

传统的K-Modes聚类算法采用简单的0-1匹配差异方法来计算同一分类属性下两个属性值之间的距离, 没有充分考虑其相似性. 对此, 基于粗糙集理论, 提出了一种新的距离度量. 该距离度量在度量同一分类属性下两个属性值之间的差异时, 克服了简单0-1匹配差异法的不足, 既考虑了它们本身的异同, 又考虑了其他相关分类属性对它们的区分性. 并将提出的距离度量应用于传统K-Modes聚类算法中. 通过与基于其他距离度量的K-Modes聚类算法进行实验比较, 结果表明新的距离度量是更加有效的.

关键词：聚类算法、分类属性数据、粗糙集、粗糙隶属度、距离度量

所属期刊栏目：47

分类号：TP181(自动化基础理论)

资助基金：国家"八六三"高技术研究发展计划基金项目2007AA01Z165;国家自然科学基金项目60773133,70971080;山西省自然科学基金项目2008011038;山西省高校科技开发项目2007103

在线出版日期：2010-11-11（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：1749-1755