混合類型數(shù)據(jù)的K-Centers聚類算法.pdf

1、聚類分析是一種重要的無導(dǎo)師數(shù)據(jù)挖掘方法，被廣泛應(yīng)用于多個領(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，即“物以類聚”。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，但只能處理數(shù)字類型的數(shù)據(jù)集。K-Modes和K-Prototypes算法擴展了K-Means算法，提出一種新的基于頻率的聚類中心更新方式，將出現(xiàn)頻率最高的可分類屬性值作為聚類中心，能夠快速處理可分類和混合類型數(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，沒有考慮出現(xiàn)頻率較低的屬性值，這就影響了聚類結(jié)果的準(zhǔn)確性。 文章提出了新的處理可分類和混合類型數(shù)據(jù)的聚類算法——硬劃分和模糊劃分K-Centers。算法基于K-Means算法，利用一種新的聚類中心更新和距離衡量方式，考慮不同出現(xiàn)頻率的可分類屬性值對聚類中心的影響，將K-Means算法擴展到可分類和混合類型數(shù)據(jù)。理論證明說明算法能夠有效處理可分類和混合類型數(shù)據(jù)，而其計算復(fù)雜度為較小，能夠快速形成聚類。實際數(shù)據(jù)實驗說明采

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，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?？蓴U展性實驗表明算法的運行時間和數(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、聚類結(jié)果不穩(wěn)定已經(jīng)需要指定聚類數(shù)目K等不足。進(jìn)一步地，從過程及思路角度描述了一個利用K-Centers算法并結(jié)合其他分析工具實際分析