论文部分内容阅读
针对分类型属性数据的聚类问题,将核方法的思想推广到快速、高效率的模糊c-均值算法,构造了基于核函数的模糊核c-均值聚类算法.该算法通过使用经验核矩阵充分利用了数据间的'相异性'信息,并且避免了模糊k-modes算法中每次迭代均要直接计算类中心的缺点,提高了聚类的精确度和稳定性,同时该算法对模式(类中心)的初始值选择不敏感.对实际的线性可分的和线性不可分的分类型属性数据集的仿真实验证明了该算法的有效性.