多维因素影响下的K-Hybrids聚类算法  

作　　者：孙晶 

机构地区：[1]太原科技大学计算机科学与技术学院

出　　处：《数字技术与应用》2024年第5期223-225,共3页Digital Technology & Application

摘　　要：在实际问题中,进行聚类分析的数据点常常受到很多因素的影响。本文针对多因素影响下的聚类问题,提出了K-Hybrids聚类算法,该算法考虑了聚类过程中点的权重差异,以及数据点所属标签相似度的问题。用加权K-means算法对聚类过程进行调整,同时用基于独热编码的Jaccard相似度计算数据点之间的逻辑距离,最后引入权重因子对这两个影响因素进行整合。实验结果显示,该算法的聚类效果很好,更具有实际意义。大数据时代下,数据的产生、采集方式日新月异,对数据的处理技术也在飞速发展,如何提高对数据的处理速度、优化处理流程一直是人们研究的主要内容。

关 键 词：聚类算法 权重因子 标签相似度 聚类分析 处理流程 聚类效果 聚类过程 逻辑距离 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]