基于信息增益的模糊K-prototypes聚类算法

来源：计算机工程与科学杂志2015年第5期北京时间：

作者：欧阳浩1，王智文1，戴喜生2,刘智琦1

单位：（1.广西科技大学计算机学院，广西 柳州 545006;2.广西科技大学电气与信息工程学院，广西 柳州 545006）

摘要：K-prototypes聚类算法结合了K-means算法和K-modes算法，可用于分析混合属性的数据对象。传统的K-prototypes聚类算法在计算数据对象的相异度时，未考虑各个属性对于最终聚类结果的影响程度，而现实世界中，各属性的重要程度是不同的。使用了信息论中信息增益的计算方法，来获得各个属性的权值。在计算各属性的差异度时，乘以这些权值，从而可以获得更为准确的聚类结果。为了增加算法处理模糊问题的能力，本算法引用了模糊理论，从而使其具有较好的抗干扰能力和处理不确定性问题的能力。通过对四个UCI数据集的聚类分析实验，表明了本算法的有效性。

关键词：聚类,信息增益,模糊K-prototypes算法,混合型数据,

基金资助：国家自然科学基金资助项目（61462008,61364006）；广西自然科学基金资助项目（2013GXNSFAA019336）；广西高校科学技术研究项目（LX2014190,YB2014210,LX2014190）；广西科技大学科学基金资助项目（校科自1261128）