文献类型：期刊文章

作　　者：王志华[1] 刘绍廷[1] 罗齐[1]

WANG Zhi-hua;LIU Shao-ting;LUO Qi(School of Software and Applied Science and Technology,Zhengzhou University,Zhengzhou 450002,China)

机构地区：[1]郑州大学软件与应用科技学院

出　　处：《计算机工程与设计》

基　　金：国家社会科学基金项目(15BTQ064);河南省科技攻关基金项目(182102210007)

年　　份：2019

卷　　号：40

期　　号：8

起止页码：2228-2234

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决K-modes算法初始化k簇时误差率较高和KNN(K最近邻算法)算法面对大样本数据量时分类不准确的现状,分析传统的K-modes算法从k簇的初始化到簇中心不再变化的全过程和KNN(K最近邻算法)算法在面对大样本数据时执行效率低下的问题,提出改进的K-modes-KNN算法。使用字符串核函数初始化k簇,字符串核函数迭代计算样本到簇中心的距离来动态改变簇中心,利用改进的K-modes算法将数据集进行分簇处理后,在每个子簇中建立KNN(K最近邻算法)分类模型。通过真实数据验证了所提算法在一定程度上优于同种分类算法。

关 键 词：K-modes算法  KNN算法 分类  簇中心  K-modes-KNN算法  字符串核函数  

分 类 号：TP181]