基于距离和密度双度量的模糊k-modes算法  

Fuzzy K-modes Algorithm Based on Double Measurement of Distance and Diversity

作　　者：刘培奇[1] 胡红光[1] 张凯[1] 黄苗[1] 

机构地区：[1]西安建筑科技大学信息与控制工程学院,陕西西安710055

出　　处：《工业控制计算机》2015年第9期90-91,94,共3页Industrial Control Computer

基　　金：陕西省自然科学基金项目(2014JM2-6114);陕西省教育厅自然科学专项(12JK0743);教育部教改项目(2-3-ZXM-09)

摘　　要：大多数模糊k-modes的相关改进算法仅关注对象之间的距离,并未关注对象的空间分布对于聚类的影响。将距离和密度双度量的测度方法引入模糊k-modes算法进行改进,该方法将对象的空间分布考虑在内,从而以一种更加合理的方式更新对象的隶属度。通过来自于UCI机器学习库的数据集测试算法改进前与改进后的性能,算法改进后的聚类正确率高于改进前的,证明算法改进后性能更好。This paper introduces the double measure means of distance and density into fuzzy k-modes algorithm to im-prove it＇s performance.The method takes account into spatial distribution of data objects,with a more proper way to update the degree of membership of data objects.Using the datasets come from UCl machine learning repository to test the per-formance of the former and improved algorithm.The correct rate of improved algorithm is higher than the former,which shows the performance of improved algorithm is better than the former.

关 键 词：模糊k-modes 距离 密度 隶属度 UCI机器学习库 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]