论文部分内容阅读
在分析现有混合属性数据聚类算法存在问题的基础上，选用基于图论的松弛聚类算法作为解决问题的“基石”；引入基于“Local Scale”思想的高斯核参数计算步骤，对基于图论的松弛聚类算法进行了自适应改进，并对其点对距离计算过程进行了面向混合属性的度量扩展。在上述两步改进的基础上，结合聚类集成技术，提出了一种新的混合属性数据聚类算法，并进行了实例验证，结果表明提出的算法具有较强的参数鲁棒性和较高的聚类精度。