基于平均差异度的改进k-prototypes聚类算法
石鸿雁
徐明明
1.沈阳工业大学 理学院,沈阳,1108702.沈阳工业大学 理学院,沈阳,110870
摘要：针对k-prototypes聚类算法随机选取初始聚类中心导致聚类结果不稳定,以及现有的大多数混合属性数据聚类算法聚类质量不高等问题,提出了基于平均差异度的改进k-prototypes聚类算法.通过利用平均差异度选取初始聚类中心,避免了初始聚类中心点选取的随机性,同时利用信息熵确定数值数据的属性权重,并对分类属性度量公式进行改进,给出了一种混合属性数据度量公式.结果表明,改进后的算法具有较高的准确率,能够有效处理混合属性数据.
关键词：k-prototypes算法聚类初始聚类中心混合属性数据平均差异度信息熵属性权重度量公式
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(61074005)
论文发表日期：2019-01-01
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：5( 555-559 )
英文信息