论文部分内容阅读
传统的模糊K-Modes聚类算法采用简单匹配方法度量对象与Mode之间的相异程度，没有充分考虑Mode对类的代表程度，容易造成信息的丢失，弱化了类内的相似性。针对上述问题，通过对象对类的隶属度反映Mode对类的代表程度，提出一种新的相异度量，并将它应用于传统的模糊K—Modes聚类算法。与传统的K—Modes和模糊K-Modes聚类算法相比，该相异度量是有效的。