基于q近邻的不完备数据三支决策聚类方法*

苏　婷，于　洪重庆邮电大学 计算智能重庆市重点实验室，重庆 400065



基于q近邻的不完备数据三支决策聚类方法*

苏婷，于洪+
重庆邮电大学 计算智能重庆市重点实验室，重庆 400065

SU Ting,YU Hong.Three-way decision clustering algorithm for incomplete data based on q-nearest neighbors.Journal of Frontiers of Computer Science and Technology,2016,10(6):875-883.

CNKI网络优先出版:2015-09-28,http://www.cnki.net/kcms/detail/11.5602.TP.20150928.1712.010.html

摘要：聚类是数据挖掘的重要技术之一，在许多实际应用领域，由于数据获取限制，数据误读，随机噪音等原因会造成大量的缺失数据，形成数据集的不完备性，而传统的聚类方法无法直接对这类数据集进行聚类分析。针对数值型数据，提出了一个基于三支决策的不完备数据聚类方法。首先找到不完备数据对象的q个近邻，使用q个近邻的平均值填充缺失的数据；然后在“完备的”数据集上使用基于密度峰值的聚类方法得到簇划分，对每个簇中含有不确定性的数据对象，使用三支决策的思想将其划分到边界域中。三支决策聚类结果采用区间集形式表示，通常一个簇被划分成正域、负域和边界域部分，可以更好地描述软聚类结果。在UCI数据集和人工数据集上的实验结果展示了算法的有效性。

关键词：不完备数据；三支决策聚类；q近邻

ISSN 1673-9418CODEN JKYTA8

Journal of Frontiers of Computer Science and Technology

1673-9418/2016/10(06)-0875-09

E-mail:fcst@vip.163.com

http://www.ceaj.org

Tel:+86-10-89056056

1　引言

聚类是数据挖掘与机器学习中一个重要的研究领域，在商务智能、图像识别、生物学等领域中有广泛的应用[1]。然而，由于数据获取限制，数据误读，随机噪音等原因会造成大量的缺失数据，这些缺失的数据给数据分析带来了巨大的困难。例如，在商业数据库中，一些涉及隐私的数据，比如收入和年龄等，顾客不愿意将这些数据提供给商场，这就造成了某些商业数据的缺失，重新获取这些数据需要花费较高的代价甚至没有办法获取。……