论文部分内容阅读
聚类算法是数据挖掘中的重要方法，针对现有适用类属性和混合型属性的数据集聚类算法如k-modes算法、k—prototypes算法和模糊k-prototypes算法等的不足，提出一种新的方法——类属性分解法，这种方法有更高的稳定性和可靠性，并能有效地减少随机性。
对类属性和混合属性数据聚类的一种有效的算法
【摘 要】
：
聚类算法是数据挖掘中的重要方法，针对现有适用类属性和混合型属性的数据集聚类算法如k-modes算法、k—prototypes算法和模糊k-prototypes算法等的不足，提出一种新的方法——类
【机 构】
：
汕头大学计算机系
【出 处】
：
计算机工程与应用
【发表日期】
：
2004年1期
其他文献
研究合取范式可满足性的SAT问题作为一个NP完全问题，在计算机科学及组合优化问题领域中有着中心课题的重要地位由于其NP问题的性质决定了它尚无通用快速的完全算法，因此基于“
数据挖掘的两个高层目标是预测和描述，这个过程中分类算法的应用是非常广泛的。分类算法在机器学习领域中可以分为Lazy和Eager两种类型，分别具有不同的算法特点：文章基于实验对
提出了一种基于单处理器PC机的大面积地形三维可视化仿真系统建模、管理和动态调度的实现方法，较好地解决了图像的逼真度和实时性之间的矛盾．同时，为满足不同用户对系统开发的要
本文通过研究现当代美国文学中的非裔女性形象，指出：对社会的救赎和对制度的叛逆是非裔美国女性文学形象的主要特征。非裔美国女性作家以其特有的政治、经济和社会文化经验共同
提出了一种基于改进的模糊ISODATA聚类的BP神经网络算法，增强了其处理大样本的分类能力，可以很好地解决大样本情况引起的网络结构复杂、收敛性和泛化能力差等神经网络的固有问
支持向量机是基于统计学习理论框架下的一种简单、有效的分类方法。作为结构风险最小化准则的具体实现，支持向量机具有全局最优性和较好的泛化能力。文章通过对训练模型的超参