一种基于属性加权的快速聚类算法
赵国伟
蔡江辉
杨海峰
荀亚玲
太原科技大学计算机科学与技术学院 太原 030024
摘要：传统的聚类算法通常将样本间的距离作为相似度的划分标准,因此距离计算方式的选择对于聚类的结果至关重要.但是传统的距离计算方法忽略了不同数据属性特征对聚类的影响.为了解决此问题,论文结合K-means提出了一种基于属性加权的快速K-means算法FAWK.首先,定义了一个反映属性特征差异的离散度函数对属性特征进行加权;其次,根据加权属性特征计算数据属性间的距离,并将所有属性的加权属性距离求和作为样本间的相似性距离;然后,将加权属性距离作为FAWK算法的划分标准对数据进行聚类;最后,将论文算法与现有方法在8个UCI数据集和LAMOST恒星光谱数据集进行实验测试与分析,实验结果表明FAWK算法具有迭代次数少、运行时间短、聚类结果准确率高且更接近真实数据集划分情况的特点.
关键词：K-means属性加权离散度函数相似度度量
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61602335)山西省重点研发项目(201803D121059)山西省重点研发项目(201903D121116)
论文发表日期：2021-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 930-935 )
英文信息