科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有k-modes聚类方法，因忽略了变量属性之间的弱相关性，常造成其在实际应用中聚类性能不佳。为此本文提出一种包含属性弱相关性的新k-modes聚类方法。首先引入最大信息系数（MIC）度量数据集中变量属性之间的相关性；其次，将得到的MIC值与原有距离进行融合，建立包含属性弱相关性信息的新度量方法，以增强变量属性间相关信息的完备性，进而建立更加精细的k-modes聚类方法；最后调用三种不同的数据集，将新方法与原有的k-modes聚类方法和其他改进k-modes聚类方法的性能进行对比，并用仿真分析了新方法的性能与计算复杂度。
- 单位
