10.3969/j.issn.1000-386x.2012.09.038
属性相似度在聚类算法中的有效性研究
针对欧氏距离将个体的不同属性(即各指标或各变量)之间的差别等同看待,忽视了个体不同属性的重要性.考虑数据的几何结构特征和个体属性,结合马氏距离提出一种新的属性相似性度量方法及新的聚类有效性函数;对采用欧氏距离的分层聚类算法进行改进.改进的聚类算法能提高聚类的速度和质量,是一种有效的聚类方法.
相似性、聚类算法、有效性、度量方法
29
TP301.6(计算技术、计算机技术)
安徽省教育厅自然科学基金项目05010428;安徽大学人才队伍建设项目
2013-03-13（万方平台首次上网日期，不代表论文的发表时间）
共3页
146-147,174
