数据挖掘中区间数据模糊聚类研究——基于Wasserstein测度  

Fuzzy clustering of interval data based on Wasserstein distances in data mining

作　　者：李红[1] 孙秋碧[1] 

机构地区：[1]福州大学管理学院统计系,福州350108

出　　处：《计算机工程与应用》2012年第12期24-28,37,共6页Computer Engineering and Applications

基　　金：国家社科基金(No.10BTJ002);国家自然科学基金青年项目(No.70902071)

摘　　要：针对目前区间数据模糊聚类研究中区间距离定义存在的局限性,引入能够考虑区间数值分布特征的Wasserstein距离测度,提出基于Wasserstein距离测度的单指标和双指标自适应模糊聚类算法及迭代模型。通过仿真实验和CR指数,证实了该类模型的优势。该算法在海量、堆积如山的数据挖掘中有着重要的实践意义。Because of the limitations of the in-use distance in fuzzy clustering models for interval data,this paper puts forward the Wasserstein distances into interval data,and gets the adaptive single-index and adaptive double-index fuzzy clustering models.From the simulation results and CR index,the advantages of the model are proved.The model has strong meanings in empirical work when data is unstable and missing.

关 键 词：模糊聚类 区间数据 符号数据分析 自适应 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]