结合柯西核的分类型数据密度峰值聚类算法OA北大核心CSTPCD
Cauchy Kernel-Based Density Peaks Clustering Algorithm for Categorical Data
密度峰值聚类算法在处理分类型数据时难以产生较好的聚类效果.针对该现象,详细分析了其产生的原因:距离计算的重叠问题和密度计算的聚集问题.同时为了解决上述问题,提出了一种面向分类型数据的密度峰值聚类算法(Cauchy kernel-based density peaks clustering for categorical data,CDPCD).算法首先指出分类型数据距离度量过程中有序特性(分类型数据属性值之间的顺序关系)鲜有考虑的现状,进而提出一…查看全部>>
盛锦超;杜明晶;李宇蕊;孙嘉睿
江苏师范大学 计算机科学与技术学院,江苏 徐州 221100江苏师范大学 计算机科学与技术学院,江苏 徐州 221100江苏师范大学 计算机科学与技术学院,江苏 徐州 221100江苏师范大学 计算机科学与技术学院,江苏 徐州 221100
信息技术与安全科学
分类型数据有序特性密度峰值聚类柯西核函数数据挖掘
《计算机工程与应用》 2022 (18)
面向Deep Web的数据整合关键技术研究
162-171,10
国家自然科学基金(62006104,61872168)江苏省高校自然科学基金(20KJB520012).
评论