论文部分内容阅读
k-Prototypes算法对初始点选取的敏感性导致聚类结果具有随机性，并且忽视样本数据点与聚类集合中已有样本的总体差异．针对此问题，文中提出基于维度频率相异度和强连通融合的混合数据聚类算法，首先通过多次预聚类产生大量子簇，然后根据子簇之间的连通关系，采用强连通融合的策略得到最终的聚类结果．在UCI数据库中3个混合属性数据集上的实验表明，相比k-Prototypes算法及已有的混合属性聚类算法，文中算法具有更好的聚类质量，从而验证文中算法的优越性．