频繁模式聚类算法改进研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 162-164.

频繁模式聚类算法改进研究

程舒通^1,2,徐从富¹,但红卫¹

1．浙江大学计算机科学与技术学院，杭州 310027
2．杭州科技职业技术学院，杭州 310022

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 程舒通

Research of improving clustering arithmetic in frequent pattern

CHENG Shu-tong^1,2,XU Cong-fu¹,DAN Hong-wei¹

1．College of Computer Science of Technology，Zhejiang University，Hangzhou 310027，China
2．Hangzhou Poly Technique College，Hangzhou 310022，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: CHENG Shu-tong

摘要/Abstract

摘要： 从模式的相似度信息和支持度大小两方面分析了前人聚类算法中采用的距离函数的缺陷，提出了改进距离函数的新算法—Mix算法。实验研究证明，算法在实现过程中可以相应减少时间消耗和聚类结果的错误程度，提高聚类质量，从而得到比较好的聚类效果。

关键词: 数据挖掘, 频繁模式, 聚类, 距离函数

Abstract: Analyses the defect of distance function which has been introduced in clustering arithmetic before both from similar degree and sustain degree，and puts forward the arithmetic which improves distance function-Mix arithmetic.The research has certified that the arithmetic can decrease the expense in time and the error degree in result of clustering in the process of achievement，and has improved the quality of clustering，can reach the better clustering result accordingly.

Key words: data mining, frequent pattern, clustering, distance function

程舒通^1,2,徐从富¹,但红卫¹. 频繁模式聚类算法改进研究[J]. 计算机工程与应用, 2008, 44(1): 162-164.

CHENG Shu-tong^1,2,XU Cong-fu¹,DAN Hong-wei¹. Research of improving clustering arithmetic in frequent pattern[J]. Computer Engineering and Applications, 2008, 44(1): 162-164.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[3]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[4]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[7]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[8]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[9]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[10]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[11]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[12]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[13]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[14]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[15]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.