[论文]A Link-Based Cluster Ensemble Approach for Categorical Data Clustering

本文探讨了在目录数据上进行聚类分析的方法,提出了直接聚类、全空间聚类和子空间聚类三种选择,并详细解释了每种方法的特点。通过比较分析,为目录数据的聚类提供了实用的解决方案。

http://www.cnblogs.com/Azhu/p/4137131.html

这篇论文建议先看了上面这一遍,两篇作者是一样的,方法也一样,这一片论文与上面的不同点在于,使用的数据集是目录数据,即数据不能数字化,例如:

An example of categorical attribute is Sex={fmale,female} or shape= {circle,rectangle. . .}.
 
 
论文方法一样,只是处理目录数据不同,获得聚类结果的选择方法如下:
Type I 意思是直接将该目录数据当作聚类的结果。
Creating a Cluster Ensemble:
  ◦Type I (Direct ensemble)
 
  ◦Type II (Full-space ensemble)  
  k-modes
  ◦Type III (Subspace ensemble)    (and k-modes)
 
其他方面,跟上面那篇论文是一样的,只有这里这一点不同,所以记录下。

转载于:https://www.cnblogs.com/Azhu/p/4137140.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值