典型文献
一种基于最大信息系数预处理的k-modes聚类方法
文献摘要：
为解决现有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的问题,提出一种包含属性弱相关性的新k-modes聚类方法.引入最大信息系数(maximum information coefficient,MIC)度量数据集中变量属性之间的相关性;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,建立更加精细的k-modes聚类方法;调用3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,并通过仿真结果表明了新方法的有效性.
文献关键词：
聚类方法;k-modes;最大信息系数;距离度量;变量属性
中图分类号：
作者姓名：
李明媚;文成林;胡绍林
作者机构：
杭州电子科技大学,浙江杭州310018;广东石油化工学院,广东茂名525000
文献出处：
引用格式：
[1]李明媚;文成林;胡绍林-.一种基于最大信息系数预处理的k-modes聚类方法)[J].系统仿真学报,2022(10):2204-2212
A类：
变量属性
B类：
最大信息系数,modes,聚类方法,法因,maximum,information,coefficient,MIC,完备性,调用,距离度量
AB值：
0.204093
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
