基于Eros距离的纵向数据模糊聚类方法 (2013年)

【文件属性】：
文件名称：基于Eros距离的纵向数据模糊聚类方法 (2013年)
文件大小：746KB
文件格式：PDF
更新时间：2021-05-14 10:25:17
工程技术 论文 针对纵向数据集的数据特征，如多维、含缺失值、序列不等间隔和不全等长等特点，研究一种基于Eros距离的纵向数据的相似性度量方法，并对模糊C均值聚类算法进行改进，提出一种基于Eros距离度量的模糊聚类数据处理方法．对于纵向数据集，首先进行缺失值填充、变量标准化等预处理，使用粗糙集理论对冗余属性进行约简，然后基于FErosCM聚类方法进行数据自动分类．对比实验证实此方法可用于纵向数据集的自动聚类处理，并使用信息熵作为聚类效果的评价手段。实验结果表明：无论在聚类效率还是准确度上，FErosCM方法对于纵向数据的分