论文部分内容阅读
在数据挖掘研究领域，现有的大多数聚类算法都受到数据可伸缩性和结果可解释性的限制．为了解决这一难题，提出了一种基于概念的数据聚类模型．该模型从描述数据样本的数据本身出发，首先在预处理后的数据集上提取基本概念，再对这些概念进行概化，形成表示聚类结果的高层概念，最后基于这些高层概念进行样本划分，从而完成整个聚类过程．该模型能够在保证聚类准确性的基础上，彳艮大程度地减少要处理的数据量，提高原算法的可伸缩性．另外，该模型基于概念进行知识的发现与分析，能够提高聚类结果的可解释性，便于与用户交互．实验结果表明，该模型对