可拓K近邻算法在数据聚类分析中的应用

doi:10.3778/j.issn.1002-8331.2010.21.044

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (21): 156-159.DOI: 10.3778/j.issn.1002-8331.2010.21.044

• 数据库、信号与信息处理 • 上一篇下一篇

可拓K近邻算法在数据聚类分析中的应用

杨仪，向长城，魏代俊

湖北民族学院理学院，湖北恩施 445000

收稿日期:2009-01-06 修回日期:2009-03-23 出版日期:2010-07-21 发布日期:2010-07-21
通讯作者: 杨仪

Data cluster based on extension K nearest neighbor algorithm

YANG Yi，XIANG Chang-cheng，WEI Dai-jun

College of Science，Hubei University for Nationalities，Enshi，Hubei 445000，China

Received:2009-01-06 Revised:2009-03-23 Online:2010-07-21 Published:2010-07-21
Contact: YANG Yi

摘要/Abstract

摘要： 针对区间值数据的数据聚类问题，根据可拓学关联函数的定义，提出可拓距离的概念来度量数据之间的距离，利用K近邻的思想，根据可拓距离的大小对数据集的目标属性进行投票选择进行分类，设计了可拓K近邻算法（Extension K Nearest Neighbor，EKNN）。最后利用UCI的两个基准数据集Iris植物样本数据和糖尿病数据库PIDD进行验证，首先通过免疫网络约简算法对条件属性进行最小属性约简，然后利用EKNN算法分析和比较不同最小约简属性下的分类准确率。

关键词: 数据聚类, 可拓距离, 可拓K近邻算法, 属性约简

Abstract: For the data cluster problem of interval data，the extension distance is proposed by extension conjunction function.The Extension K Nearest Neighbor（EKNN） algorithm is designed by the idea of K nearest neighbor and extension distance.Finally，the experiment of Iris datasets and PIDD datasets is verified by the EKNN，and the classification accuracy is analysed and compared under the different minimal reduction attribute.

Key words: data cluster, extension distance, extension K nearest neighbor, attribute reduction

中图分类号:

TP311

杨仪，向长城，魏代俊. 可拓K近邻算法在数据聚类分析中的应用[J]. 计算机工程与应用, 2010, 46(21): 156-159.

YANG Yi，XIANG Chang-cheng，WEI Dai-jun. Data cluster based on extension K nearest neighbor algorithm[J]. Computer Engineering and Applications, 2010, 46(21): 156-159.

[1]	代琪，李敏，刘洋，李丽红. 模糊层次商空间的快速属性约简算法[J]. 计算机工程与应用, 2021, 57(4): 55-60.
[2]	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.
[3]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[4]	谢卫星，王晓琳，王旭阳，张静娜，李玉鹏. 基于混合数据聚类算法的异质顾客群体识别[J]. 计算机工程与应用, 2021, 57(13): 130-137.
[5]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[6]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[7]	王晰，袁绍欣. 从车牌识别数据中提取有效旅行时间算法研究[J]. 计算机工程与应用, 2020, 56(16): 241-247.
[8]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[9]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[10]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[11]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.
[12]	李云，马英红. 基于属性约简集评价节点重要性研究[J]. 计算机工程与应用, 2019, 55(5): 149-158.
[13]	徐霜1，余琍2. 利用正则化矩阵分解技术的多视图聚类方法[J]. 计算机工程与应用, 2019, 55(14): 142-147.
[14]	任晓霞1，薛凡2，3. 基于模糊邻域粗糙集的启发式属性约简算法[J]. 计算机工程与应用, 2018, 54(9): 47-53.
[15]	王长宝1，杨习贝1，2，窦慧莉1，陈向坚1，王平心3. 邻域决策错误率的局部约简方法研究[J]. 计算机工程与应用, 2018, 54(6): 95-99.

可拓K近邻算法在数据聚类分析中的应用

Data cluster based on extension K nearest neighbor algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics