论文研究改进的概念格属性约简算法.pdf

聚类是一种无监督的机器学习方法，其任务是发现数据中的自然簇。共享最近邻聚类算法（SNN）在处理大小不同、形状不同以及密度不同的数据集上具有很好的聚类效果，但该算法还存在以下不足：（1）时间复杂度为O（n2），不适合处理大规模数据集；（2）没有明确给出参数阈值的简单指导性操作方法；（3）只能处理数值型属性数据集。对共享最近邻算法进行改进，使其能够处理混合属性数据集，并给出参数阈值的简单选择方法，改进后算法运行时间与数据集大小成近似线性关系，适用于大规模高维数据集。在真实数据集和人造数据集上的实验结果表明，提出的改进算法是有效可行的。