基于熵权法的混合属性聚类算法.PDFVIP

2013 年 11 月 汕头大学学报 （自然科学版） 第 28 卷 第 4 期 Nov. 2013 Journal of Shantou University (Natural Science) Vol.28 No.4 文章编号：1001 - 4217 （2013）04 - 0058 - 08 基于熵权法的混合属性聚类算法 孙浩军，高玉龙，闪光辉，袁 婷 （汕头大学工学院，广东 汕头 515063） 摘 要：K-prototypes 算法是处理混合数据的主要聚类算法，大部分针对混合型数据的聚类 算法都是选择数据集中的一部分数据作为聚类对象，而忽略了这类数据的特殊性与整体性， 为了改进了数据的距离衡量，文中提出了一种新的聚类方法，该方法采用信息熵作为属性的 权值，进行高精度和更加稳定的聚类，最后通过Matlab 编程实现，采用uci 数据集中credit 等数据集进行仿真实验，证明改进算法是正确和有效的. 关键词：K-prototypes ；特殊性；混合数据；信息熵；有效的 中图分类号：TP 274 ；TP 301 文献标识码：A 0 引 言 聚类是将物理或抽象的对象，按照对象间的相似性进行区分和分类的过程，在这一 [1] 过程中没有先验知识指导，因此是一种无监督的分类 . 聚类算法在许多领域都得到了 广泛应用，但是大部分算法都是应用于数值型数据，由于在实际应用中，许多数据集不 仅包含数值属性的数据，同时也包含如地图颜色、几何纹理等分类属性的数据. 而对于 处理分类型数据的聚类算法则少之又少，而且现实世界中的数据大部分是即包含数值型 又包含分类型的数据，所以基于传统的欧式距离的聚类算法难以满足这种混合型数据的 聚类. [2] MacQueen 所提出的k-means 方法 是最早、也是最简单的聚类方法，但是该方法 只能对数值属性的对象集进行聚类，无法对分类属性和混合型属性的对象集进行聚类. [3] Huang 提出k-prototypes 算法 推广了k-means 方法，使之可以对分类属性和混合型属 [4] 性的数据集进行聚类. 陈宁等进一步提出了模糊k-prototypes 算法 ，并利用引进模糊 聚类算法来提高聚类结果的准确性. 但是上述方法在聚类过程中，均利用分类型属性简单匹配相异度，而忽略了数据的 整体性，将分类型属性的数据转化为数值型属性数据间的基于距离的计算问题，从而解 决了对混合属性数据集的聚类问题. 但是上述方法在对分类属性数据和混合型属性数据 收稿日期：2013 - 05 - 31 作者简介：孙浩军（1963-），男，CCF 会员，博士，教授，研究方向为模式识别、数据挖掘等. E-mail ：haojunsun@stu.edu.cn 基金项目：国家自然科学基金资助项目 第 法 期 孙浩军等 基于熵权法的混合属性聚类算 4 ：