基于Eros距离的纵向数据模糊聚类方法
针对纵向数据集的数据特征,如多维、含缺失值、序列不等间隔和不全等长等特点,研究一种基于Eros距离的纵向数据的相似性度量方法,并对模糊C均值聚类算法进行改进,提出一种基于Eros距离度量的模糊聚类数据处理方法.对于纵向数据集,首先进行缺失值填充、变量标准化等预处理,使用粗糙集理论对冗余属性进行约简,然后基于FErosCM聚类方法进行数据自动分类.对比实验证实此方法可用于纵向数据集的自动聚类处理,并使用信息熵作为聚类效果的评价手段.实验结果表明:无论在聚类效率还是准确度上,FErosCM方法对于纵向数据的分类处理均是有效可行的.
纵向数据、扩展范式距离、FErosCM聚类、信息熵
39
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61174109;北京新世纪百千万人才工程2010年度
2013-10-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
1161-1165