混合類(lèi)型數(shù)據(jù)的K-Centers聚類(lèi)算法.pdf

1、聚類(lèi)分析是一種重要的無(wú)導(dǎo)師數(shù)據(jù)挖掘方法，被廣泛應(yīng)用于多個(gè)領(lǐng)域，其基本思想是根據(jù)數(shù)據(jù)之間的相似性將數(shù)據(jù)歸類(lèi)，即“物以類(lèi)聚”。經(jīng)典的硬劃分和模糊劃分K-Means算法能夠快速有效形成聚類(lèi)，但只能處理數(shù)字類(lèi)型的數(shù)據(jù)集。K-Modes和K-Prototypes算法擴(kuò)展了K-Means算法，提出一種新的基于頻率的聚類(lèi)中心更新方式，將出現(xiàn)頻率最高的可分類(lèi)屬性值作為聚類(lèi)中心，能夠快速處理可分類(lèi)和混合類(lèi)型數(shù)據(jù)。然而，基于頻率的更新方式只考慮了出現(xiàn)頻率最

2、高的屬性值，沒(méi)有考慮出現(xiàn)頻率較低的屬性值，這就影響了聚類(lèi)結(jié)果的準(zhǔn)確性。 文章提出了新的處理可分類(lèi)和混合類(lèi)型數(shù)據(jù)的聚類(lèi)算法——硬劃分和模糊劃分K-Centers。算法基于K-Means算法，利用一種新的聚類(lèi)中心更新和距離衡量方式，考慮不同出現(xiàn)頻率的可分類(lèi)屬性值對(duì)聚類(lèi)中心的影響，將K-Means算法擴(kuò)展到可分類(lèi)和混合類(lèi)型數(shù)據(jù)。理論證明說(shuō)明算法能夠有效處理可分類(lèi)和混合類(lèi)型數(shù)據(jù)，而其計(jì)算復(fù)雜度為較小，能夠快速形成聚類(lèi)。實(shí)際數(shù)據(jù)實(shí)驗(yàn)說(shuō)明采

3、用適當(dāng)?shù)哪：人惴軌虍a(chǎn)生更為準(zhǔn)確和穩(wěn)定的聚類(lèi)，結(jié)果比較表明K-Centers算法能夠形成比K-Modes和K-Prototypes算法更為準(zhǔn)確有效的聚類(lèi)?？蓴U(kuò)展性實(shí)驗(yàn)表明算法的運(yùn)行時(shí)間和數(shù)據(jù)集大小存在比較明顯的線性關(guān)系。在硬劃分K-Centers的基礎(chǔ)上提出一些改進(jìn)方法，進(jìn)一步解決不能有效處理異常數(shù)據(jù)點(diǎn)、聚類(lèi)結(jié)果不穩(wěn)定已經(jīng)需要指定聚類(lèi)數(shù)目K等不足。進(jìn)一步地，從過(guò)程及思路角度描述了一個(gè)利用K-Centers算法并結(jié)合其他分析工具實(shí)際分析