节点文献

基于对象组特征向量的聚类与分类的实现

Realization of Object Clustering and Classification Based on OSF

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具，请取消加速工具后下载。

【作者】 吴萍； 张利萍；

【Author】 WU Ping1,2,ZHANG Liping1(1.School of Computer Science and Technology,Beijing Institute of Technology,Beijing 100081;2.School of Computer and Communnication,Lanzhou University of Technology,Lanzhou 730050)

【机构】 北京理工大学计算机科学技术学院； 北京理工大学计算机科学技术学院 北京100081； 兰州理工大学计算机与通信学院； 兰州730050； 北京100081；

【摘要】 高维稀疏数据的聚类分析是目前数据挖掘领域内亟待解决的问题之一。传统的聚类方法中,大部分不适用于高维稀疏数据,不能得到满意的结果。该文借助对象组相似度和对象组的特征向量,提出了一种实现聚类的方法。根据聚类结果后,根据聚类集合的上确界和下确界给出新对象的分类。该方法思想明了,实现起来简单轻松,结果准确可靠。

【Abstract】 The clustering for high-dimensional sparse data is one of important problem which need to be solved in the field of data mining.Most of the traditional clustering methods do not adapt to high-dimensional data.A clustering method is proposed based on set similarity(SS) and object set feature(OSF),and according to the supremum and infimum of clustering set,the new object can be distributed to different clusters.The idea of this kind method is very clear and easily implemented with reliable and exact results.

【关键词】 高维稀疏二态数据； 对象组相似度； 对象组特征向量； 聚类； 分类；
【Key words】 High-dimensional sparse binary data； Object set similarity； Object set feature； Clustering； Classification；
  • 【文献出处】 计算机工程 ,Computer Engineering , 编辑部邮箱 ,2006年16期
  • 【分类号】TP18
  • 【被引频次】1
  • 【下载频次】137
打印本页
节点文献中：