粒子群改进模糊C均值的不完整数据聚类  

作　　者：邴兆虹 黄丽茜 

机构地区：[1]华东计算技术研究所

出　　处：《数字技术与应用》2023年第9期16-18,共3页Digital Technology & Application

摘　　要：在实际应用中,由于各种原因,采集出来的数据可能是不完整的,比如,数据模糊不清或者是数据丢失。因此在数据库中会经常出现不完整数据,而且没有办法获得数据的真实值[1],如果不对缺失数据作出相应的处理,对后续工作会造成严重影响。为解决不完整数据聚类的问题,国内外学者根据现有的聚类方法提出了各种新策略。1模糊聚类对于不完整数据的处理方法主要分为两种:一种是通过估算填充缺失值,即用相对应的已知属性值的平均值等方法来替换缺失属性值;另一种方法是直接删除缺失属性。对不完整数据进行模式识别最早开始于20世纪60年代,例如,基于概率的估算、EM算法[2]等。

关 键 词：不完整数据 数据聚类 模式识别 缺失值 模糊C均值 数据丢失 粒子群 缺失属性 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]