计算机研究与发展

作者：李顺勇,张苗苗,曹付元,

关键词：矩阵对象数据, MD fuzzy k-modes算法, 相异性度量, 类中心, 聚类,

传统的聚类算法一般是对单值属性数据进行聚类.但在许多实际应用中，每个对象通常被多个特征向量所描述.例如，顾客在购物时可能同时购买多个产品.由多个特征向量描述的对象称为矩阵对象，由矩阵对象构成的数据集称为矩阵对象数据集.目前，针对矩阵对象数据聚类算法的研究相对较少，还有很多问题有待解决.利用fuzzyk-modes算法的聚类过程，提出一种基于矩阵对象数据的matrix-objectdatafuzzyk-modes(MDfuzzyk-modes)聚类算法.该算法结合模糊集的概念引入模糊因子β，重新定义了矩阵对象间的相异性度量，并给出类中心的启发式更新算法.最后，在5个真实数据集上验证了MDfuzzyk-modes算法的有效性，并分析了模糊因子β与隶属度w之间的关系.大数据时代，利用MDfuzzyk-modes算法对多条记录进行聚类，能更易发现顾客的消费偏好，从而做出更有针对性的?推荐.?

来源：2019年第6期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2019年第6期