一种基于粗糙熵的改进K-modes聚类算法

作     者：刘财辉 曾雄 谢德华 Liu Caihui;Zeng Xiong;Xie Dehua

作者机构：赣南师范大学数学与计算机科学学院江西赣州341000 吉安职业技术学院机械与电子工程学院江西吉安343000 

出 版 物：《南京理工大学学报》 (Journal of Nanjing University of Science and Technology)

年 卷 期：2024年第48卷第3期

页      面：335-341页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62166001) 江西省自然科学基金(20202BAB202010) 

主　　题：聚类 K-modes算法 粗糙集 粗糙熵 属性约简 权重 

摘      要：K-modes聚类算法被广泛应用于人工智能、数据挖掘等领域。传统的K-modes聚类算法有不错的聚类效果,但是存在迭代次数多、计算量大、容易受到冗余属性的干扰等问题,且仅采用简单的0-1匹配的方法来定义2个样本属性值之间的距离,没有充分考虑每个属性对聚类结果的影响。针对上述问题,该文将粗糙熵引入K-modes算法。首先利用粗糙集属性约简算法消除冗余属性,确定各属性的重要程度;然后利用粗糙熵确定每个属性的权重,从而定义新的类内距离。将该文所提算法与传统的K-modes聚类算法分别在4组公开数据集上进行对比试验。试验结果表明,该文所提算法聚类准确率比传统的K-modes聚类算法更高。