面向混合属性的高效聚类算法研究  

Research on Efficient Clustering Algorithm for Mixed Attributes

作　　者：蒋盛益[1] 阮幼林[2] 李庆华[3] 

机构地区：[1]广东外语外贸大学信息学院,广州510420 [2]武汉理工大学信息工程学院,武汉430070 [3]华中科技大学计算机学院,武汉430074

出　　处：《计算机工程》2006年第12期47-49,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60273075)

摘　　要：将夹角余弦的概念推广到混合属性的数据,提出了一种基于相似度的聚类方法CABMS,同时给出了一种计算聚类阈值的简单有效的策略。有关CABMS数据库的大小,属性个数具有近似线性时间复杂度,使得聚类方法CABMS具有好的扩展性。实验结果表明,CABMS可产生高质量的聚类结果。The cosine is generalized to data with mixed attributes and a clustering algorithm based on the rule of maximum similarity, named CABMS, is presented in this paper. At the same time, a simple and effective strategy to calculate cluster threshold is put forward. The clustering algorithm CABMS has the nearly linear time complexity with the size of dataset and the number of attributes, which results in good scalability. The experimental results show that the CABMS creates high quality cluster.

关 键 词：相似度 聚类 数据挖掘 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]