.png){kind=icon}
返回
A Clustering Method Based on Hesitant Difference Granularity
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-96-8889-0_20.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现实世界的数据集并非理想化的，其空间分布可能表现出不规则和非线性模式，不同类别的数据点边界可能重叠甚至模糊。然而，大多数聚类算法基于欧氏距离。对于非线性分布的数据，如欧氏空间中的交织数据和超高维数据，相似度无法高效计算。鉴于KNN对局部信息的良好处理能力以及粒计算处理不确定信息的优势，本文提出了一种基于KNN和粒计算的层次聚类算法。该方法通过构建犹豫差异粒度相似度矩阵来判断数据点的邻域信息，并通过共享邻域重新定义数据间的相似度。最后，通过比较分析证明，该方法能更准确地识别欧氏空间中的交织数据集，且具有更好的鲁棒性。
Keyword:
Clustering
KNN
Hesitant Fuzzy Set
期刊
机构
.png){kind=icon}
查看更多内容