检索结果

Select

1. 基于co-occurrence相似度的聚类集成方法

凌光王明春冯嘉毅

计算机应用 2011, 31 (02): 441-445.

摘要（1110）

PDF （816KB）（1048）

首先提出了一种基于属性值的co-occurrence相似度概念,通过对其进一步的研究,提出了3个等价性表述;然后对属性值之间的co-occurrence相似度进行引申,给出了数据对象之间co-occurrence相似度的定义,并将其成功应用到聚类集成方法中。利用co-occurrence相似度在计算某个初始聚类结果中数据对象之间的相似度时,充分考虑了其他初始聚类结果和该初始聚类结果之间的相互影响和联系。实验表明, 基于co-occurrence相似度的聚类集成（CSCE）方法能有效识别数据之间的细微结构,有助于提高聚类集成的效果。

相关文章 | 多维度评价

Select

2. 基于相对距离的改进粗K-means方法

王明春唐万生江琪刘鑫

计算机应用

摘要（1504）

PDF （684KB）（1115）

对现有的两种基于绝对距离的粗K-means方法进行了讨论，指出了各自的不足之处。在此基础之上，讨论了用相对距离替代绝对距离的合理性，从而给出了基于相对距离的粗K-means方法。通过对随机数据、Iris数据和文本数据进行聚类效果比较，验证了基于相对距离的粗K-means方法的可行性和有效性。

相关文章 | 多维度评价

Select

3. 一种基于CHI值特征选取的粗糙集文本分类规则抽取方法

王明春，王正欧，张楷，郝玺龙

计算机应用 2005, 25 (05): 1026-1028. DOI: 10.3724/SP.J.2005.1026

摘要（1292）

PDF （186KB）（822）

结合文本分类规则抽取的特点,给出了近似规则的定义。该方法首先利用CHI值进行特征选取并为下一步特征选取提供特征重要性信息,然后使用粗糙集对离散决策表继续进行特征选取,最后用粗糙集抽取出精确规则或近似规则。该方法将CHI值特征选取和粗糙集理论充分结合,避免了用粗糙集对大规模决策表进行特征约简,同时避免了决策表的离散化。该方法提高了文本规则抽取的效率,并使其更趋实用化。实验结果表明了这种方法的有效性和实用性。