科研之友
微信
新浪微博
Facebook
分享链接
摘要
区域健康数据的特点是其具有海量性和高维性，而使用传统K-means聚类方法无法应对高维度的数据处理，不但容易造成结果误差，且会使算法的执行效率较低、时间开销较大。针对上述问题，文中对传统K-means聚类方法进行了深入改进，在加入模糊项以保证其聚类效果的基础上，使用粗糙集理论对高维数据属性的权重值进行确定，通过对其数据属性数量进行简化，从而保证模型的精确度与执行效率。数值实验结果表明，文中所提算法在处理高维数据时，其准确度相较对比算法提升了约5%，算法的执行时间相较传统算法缩短了约50%，证明了该算法对高维数据进行聚类处理的有效性。
- 单位
