一种加权三支决策增量软聚类算法与性能分析

摘要

基于树结构的三支决策增量聚类算法(TIOC-TWD算法)同时解决了数据增量和重叠问题,但该算法在距离度量时没有考虑到属性重要度不同的问题.针对以上问题,本文给出了一种基于属性重要度的加权三支决策增量软聚类算法(W-TIOC-TWD算法),将属性重要度考虑到距离度量中,弥补了TIOC-TWD算法在聚类过程中将所有属性的重要程度视为相等的不足,并且提出了离群点这一定义,提高了算法的时间效率.分别在人工数据集和UCI数据集上验证W-TIOC-TWD算法的有效性,实验结果表明W-TIOC-TWD算法比原算法具有更高的聚类准确率和稳定性.