[发明专利]一种属性缺失数据集的聚类方法

摘要

本发明提供了一种属性缺失数据集的聚类方法，本发明从缺失数据集聚类算法准确性受限的因素入手，采取最近邻法确定缺失属性的估值约束空间，对缺失属性和聚类中心进行实数编码，通过蚁群算法进行寻优，在优化迭代过程中同时获得缺失属性估计值和聚类中心，再通过FCM算法的隶属度函数完成模糊聚类，在此基础上形成属性缺失数据集的混杂优化聚类算法，本发明能够提高对缺失属性估值的准确度，降低聚类结果错分率。

主权项

一种属性缺失数据集的聚类方法，其特征在于，对于缺失数据集S进行聚类，聚类的类别数为c，所述缺失数据集S包含x个数据，属性维度为y，缺失属性的个数为n，聚类中心表示为大小为c*y的矩阵，所述聚类方法包括以下步骤：S1.对缺失属性和聚类中心进行蚁群编码：将数据集中的所有缺失属性和每个聚类中心的各维度属性值进行空间叠加构成一个n+c*y维的向量，并将所述向量作为蚁群中单只蚂蚁的位置向量；S2.确定缺失属性及聚类中心的取值空间，所述取值空间即为所述位置向量对应维度的搜索范围；S3.进行蚁群搜索，通过搜索获得缺失属性最优估计值及聚类中心，得到隶属度矩阵，完成聚类。