文献类型：期刊文章

作　　者：朱永杰[1]

ZHU Yong-jie(Information Management Center,Xuchang University,Xuchang 461099,China)

机构地区：[1]许昌学院信息化管理中心,许昌461099

出　　处：《科学技术与工程》

基　　金：许昌学院科技处重点课题(2019044)。

年　　份：2021

卷　　号：21

期　　号：4

起止页码：1448-1453

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：针对混合属性数据聚类难度高的问题,提出一种基于广义线性模型的混合属性数据聚类方法。首先,构建低阶多元广义线性模型处理海量数据聚类问题,考虑数据属性的时间特性,获取属性时间序列矩阵;然后,基于优化K-prototypes聚类方法处理混合属性数据时,考虑属性的时间序列矩阵;最后,在考虑样本同聚类中心距离基础上兼顾已知样本信息内容,采用优化方法计算数据相异度、样本与聚类集间距离,当聚类结果趋于平稳时终止运算,输出聚类结果。为验证基于广义线性模型的混合属性数据聚类方法的有效性展开实验分析。结果显示,该方法经过较少次迭代即可优化划分混合属性数据聚类集,聚类适应度值为0.88~0.94,适应度优,可准确体现样本间差异,是一种准确度高的混合属性数据聚类方法。

关 键 词：广义线性模型 混合属性  数据  时间序列矩阵  K-prototypes聚类  迭代

分 类 号：TP181]