郭锋锋
- 作品数：1 被引量：2H指数：1
- 供职机构：中国矿业大学计算机科学与技术学院更多>>
- 发文基金：江苏省基础研究计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于改进属性约简的粗核聚类算法被引量：2
- 2011年
- 核聚类算法是一种能够处理样本间差异微弱的有效聚类算法。以粗糙集理论为基础,将基于属性重要度的属性约简算法应用到核聚类算法中,提出一种新的聚类改进算法,由此可以得到高准确率低复杂度的良好结果。该算法在使用核函数对样本优化前,首先用基于属性重要度的约简算法对样本属性进行处理,同时引入信息熵来改进约简算法,从而删除冗余属性得到较优的属性集;然后对样本进行K-means聚类,采用软划分把样本划分到相应聚类中心的上下近似子集中,根据近似子集中样本对聚类的影响程度不同,对上下近似中的样本设置不同的权重来共同决定新的聚类中心。此算法相当于对样本进行了双重优化,采用UCI数据集来测试算法性能。通过和传统聚类算法比较,得出本算法在提高聚类精度的同时降低了复杂度,收敛速度也得到了一定提高。
- 徐丽丁世飞郭锋锋
- 关键词：粗糙集属性约简属性重要度信息熵核聚类
