基于多重分形的聚类层次优化算法
大量初始聚类结果之间存在强弱不同的相似性,会给用户理解与描述聚类结果带来不利影响,进而阻碍数据挖掘后续工作的顺利展开.传统聚类算法由于注重聚类形状及空间邻接性,或者考虑全局数据分布密度的均匀性,实际中均难以解决这一类问题.为此,提出了基于分形的聚类层次优化算法FCHO(fractal-based cluster hierarchy optimization),FCHO算法基于多重分形理论,利用聚类对应多重分形维数及聚类合并之后多重分形维数的变化程度来度量初始聚类之间的相似程度,最终生成反映数据自然聚集状态的聚类家族树.此外,初步分析了算法的时空复杂性,基于合成数据集和标准数据集的有关实验工作证实了算法的有效性.
数据挖掘、聚类、多重分形、后续处理、优化
19
TP181(自动化基础理论)
the National Natural Science Foundation of China under Grant No.60573096;the NSFC-JST Major International Regional Joint Research Project under Grant No.60720106001 NSFC-JST重大国际;the Foundation of Gansu Procince Educational Department of China under No.0604-09
2008-07-31（万方平台首次上网日期，不代表论文的发表时间）
共18页
1283-1300
