發(fā)布時間：2018-10-31 15:06

【摘要】：混合屬性數(shù)據(jù)集是現(xiàn)實世界特別是商業(yè)金融數(shù)據(jù)庫中最普遍的數(shù)據(jù)集類型,但適用于這類數(shù)據(jù)集的聚類算法極少。該文根據(jù)聚類融合的方法體系,針對混合屬性數(shù)據(jù)集的特點,提出了基于聚類融合的混合屬性特征聚類算法(CEM C),建立了算法框架,列出了算法目標函數(shù)和算法主要步驟,并分析了算法復(fù)雜度。該算法可以有效處理混合屬性海量數(shù)據(jù)集。用真實數(shù)據(jù)集驗證了算法,并將此算法應(yīng)用于實際的客戶關(guān)系管理數(shù)據(jù)分析中,得到了較好效果。
[Abstract]:Mixed attribute data set is the most common data set type in the real world, especially in commercial financial database, but there are few clustering algorithms suitable for this kind of data set. In this paper, according to the method system of clustering fusion, according to the characteristics of mixed attribute data set, a clustering algorithm named (CEM C), based on clustering fusion is proposed, and the objective function and main steps of the algorithm are listed. The complexity of the algorithm is analyzed. The algorithm can effectively deal with massive data sets with mixed attributes. The algorithm is validated with real data set and is applied to the analysis of customer relationship management data.
【作者單位】： 清華大學(xué)自動化系國家CIMS工程研究中心 清華大學(xué)自動化系國家CIMS工程研究中心 清華大學(xué)自動化系國家CIMS工程研究中心 清華大學(xué)自動化系國家CIMS工程研究中心 清華大學(xué)自動化系國家CIMS工程研究中心
【基金】：國家自然科學(xué)基金資助項目(70202008)
【分類號】：TP18

【共引文獻】

相關(guān)期刊論文 前10條

1 王宇,楊莉;模糊k-prototypes聚類算法的一種改進算法[J];大連理工大學(xué)學(xué)報;2003年06期

2 行小帥,焦李成;數(shù)據(jù)挖掘的聚類方法[J];電路與系統(tǒng)學(xué)報;2003年01期

3 張巖;趙政;;聚類算法在應(yīng)急系統(tǒng)中的應(yīng)用[J];計算機工程與應(yīng)用;2006年31期

4 汪加才;文巨峰;陳奇;俞瑞釗;;結(jié)構(gòu)化模糊K-prototypes聚類算法[J];計算機科學(xué);2005年05期

5 王家耀;張雪萍;周海燕;;一個用于空間聚類分析的遺傳K-均值算法[J];計算機工程;2006年03期

6 劉國營;基于路徑聚類的Web用戶訪問模式發(fā)現(xiàn)算法[J];情報雜志;2005年07期

7 王宇,楊莉;數(shù)據(jù)挖掘及在英語借詞分類中的應(yīng)用[J];汕頭大學(xué)學(xué)報(自然科學(xué)版);2002年02期

8 劉韜;蘇濤;趙志強;謝儲暉;;一種基于聚類的綜合指標評價模型[J];蘇州市職業(yè)大學(xué)學(xué)報;2007年01期

9 蔡江輝,張繼福;基于聚類的離群數(shù)據(jù)挖掘及應(yīng)用[J];太原重型機械學(xué)院學(xué)報;2004年04期

10 劉泉鳳,陸蓓;數(shù)據(jù)挖掘中聚類算法的比較研究[J];浙江水利水電�？茖W(xué)校學(xué)報;2005年02期

相關(guān)博士學(xué)位論文 前10條

1 郭斯羽;動態(tài)數(shù)據(jù)中的數(shù)據(jù)挖掘研究[D];浙江大學(xué);2002年

2 毛國君;數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法研究[D];北京工業(yè)大學(xué);2003年

3 劉勇國;基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測研究[D];重慶大學(xué);2003年

4 劉君強;海量數(shù)據(jù)挖掘技術(shù)研究[D];浙江大學(xué);2003年

5 王達;時間序列數(shù)據(jù)挖掘研究與應(yīng)用[D];浙江大學(xué);2004年

6 王莉;數(shù)據(jù)挖掘中聚類方法的研究[D];天津大學(xué);2004年

7 陳湘濤;數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)在新型鋁電解控制系統(tǒng)中的應(yīng)用研究[D];中南大學(xué);2004年

8 王勇獻;蛋白質(zhì)二級結(jié)構(gòu)預(yù)測的模型與方法研究[D];國防科學(xué)技術(shù)大學(xué);2004年

9 李潔;基于自然計算的模糊聚類新算法研究[D];西安電子科技大學(xué);2004年

10 王U，

本文編號：2302633