基于加权向量提升的多尺度聚类挖掘算法
多尺度聚类挖掘在指导人们进行多尺度决策方面有着不可取代的作用,然而传统的多尺度聚类挖掘算法有一个致命的弱点,即需要在每个用户感兴趣的尺度上应用聚类挖掘算法.为克服此缺陷,定义了一种将数据的多尺度特性进行向量化的方法;结合地学领域的尺度转换机制,提出了一种新的知识的多尺度转换机制——基于加权向量提升的多尺度聚类挖掘算法WVB-MSCA(Weight Vector Based Multi-scale Clustering Algorithm).算法首先在选定的基准尺度上进行聚类挖掘,获取聚类结果,并借助尺度转换机制将基准尺度的聚类结果反演到其它感兴趣的尺度上.实验表明,算法WVB-MSCA是可行且有效的.
数据库管理 多尺度聚类挖掘算法 加权向量提升 尺度转换机制
苏东海 赵书良 柳萌萌 苏嘉庚 李妍
河北师范大学数学与信息科学学院 石家庄050024 河北师范大学河北省计算数学与应用重点实验室 石家庄050024 河北师范大学移动物联网研究院 石家庄050024
国内会议
宜昌
中文
263-267
2014-10-31（万方平台首次上网日期，不代表论文的发表时间）