史倩玉　梁吉业　赵兴旺

(山西大学计算机与信息技术学院　太原　030006)(计算智能与中文信息处理教育部重点实验室(山西大学)　太原　030006)



一种不完备混合数据集成聚类算法

史倩玉梁吉业赵兴旺

(山西大学计算机与信息技术学院太原030006)(计算智能与中文信息处理教育部重点实验室(山西大学)太原030006)

(ljy@sxu.edu.cn)

集成聚类技术由于具有较好的泛化能力，目前引起了研究者的高度关注.已有研究主要关注数值型完备数据的集成聚类问题.然而，实际应用中面临的数据往往是兼具数值属性和分类属性共同描述的混合型数据，而且通常带有缺失值.为此，针对不完备混合数据提出了一种集成聚类算法，首先利用3种缺失值填充方法对不完备混合数据进行完备化处理；其次在3种填充后的不同完备数据集上分别多次执行K-Prototypes算法产生基聚类结果；最后对基聚类结果进行集成.在UCI真实数据集上与传统聚类算法通过实验进行了比较分析，实验结果表明提出的算法是有效的.

集成聚类；不完备数据；混合数据；缺失值填充；K原型聚类算法

聚类分析是针对给定的数据集，根据元素之间的相似性度量自动将相似的元素划分到同一组，使得组内的元素相似性达到最大而组间元素的相似性达到最小的过程.目前，聚类分析技术已经在生物信息学、社会网络、图像处理等领域得到了广泛的应用[1].

目前，研究者针对不同应用领域已经提出了许多聚类算法[2-3]，但是已有……