论文研究一种面向分类属性数据的聚类融合算法研究.pdf

为了解决单一聚类算法存在结果不准确和随机性大，且现有算法对分类数据聚类时将其转换成数值型会产生误差等问题，提出了一种面向分类属性数据的聚类融合算法。算法利用原有分类属性值的差异产生聚类成员，然后采用相似度方法进行划分，通过寻求目标函数最小的划分来简化聚类过程。算法在UCI数据集上进行了验证，结果表明算法的效率和精度都优于现有算法，说明算法的设计和更新策略是有效的。