基于密度和混合距离度量方法的混合属性数据聚类研究.PDF

第32 卷第8 期 控制 理 论 与 应 用 Vol. 32 No. 8 2015 年8 月 Control Theory Applications Aug. 2015 DOI: 10.7641/CTA.2015.41122 基基基于于于密密密度度度和和和混混混合合合距距距离离离度度度量量量方方方法法法的的的混混混合合合属属属性性性数数数据据据聚聚聚类类类研研研究究究 陈晋音, 何辉豪 (浙江工业大学信息工程学院，浙江杭州310023) 摘要: 针对基于密度的传统算法不能处理混合属性数据, 以及目前的混合属性聚类算法大多数聚类质量不高等 问题, 提出了基于密度和混合距离度量方法的混合属性聚类算法. 该算法通过分析混合属性数据特征, 将混合属性 数据分为数值占优、分类占优和均衡型混合属性数据3类, 分析不同情况的特征选取相应的距离度量方式, 通过预 设参数能够发现数据密集区域, 确定核心点, 再利用核心点确定密度相连的对象实现聚类, 获得最终的聚类结果. 将 算法应用于多种数据集上的实验结果表明, 该算法具有较高的聚类质量, 能够有效处理混合属性数据. 关键词: 数据挖掘; 混合属性; 聚类; 密度; 混合距离度量 中图分类号: TP391 文献标识码: A Density-based clustering algorithm for numerical and categorical data with mixed distance measure methods CHEN Jin-yin , HE Hui-hao (College of Information Engineering, Zhejiang University of Technology, Hangzhou Zhejiang 310023, China) Abstract: Traditional density-based clustering algorithm cannot deal with the mixed data, and the accuracy of most existing clustering algorithms for mixed data is not high enough as desired. To solve the problem, a density-based clustering algorithm for mixed data with mixed distance measure is proposed. Firstly, the characteristics of the mixed attribute data are analyzed, and then the data is divided into three parts: numerical dominant data, categorical dominant data and balanced data. According to the situation of dominance, corresponding distance measure method is selected. Distance between objects is calculated for finding the dense regions, and core objects are defined by preset pa