Resumen

Como tecnologa esencial de procesamiento de datos, el anlisis de conglomerados se ha utilizado ampliamente en diversos campos. En la agrupacin, es necesario seleccionar medidas adecuadas para evaluar la similitud de los datos. En este trabajo, en primer lugar, se propone un mtodo de seleccin del centro de cluster basado en el grado de relacin gris para resolver el problema de la sensibilidad en la seleccin inicial del centro de cluster. En segundo lugar, combinando las ventajas de la distancia euclidiana, la distancia DTW y la distancia SPDTW, se propone una medida de distancia ponderada basada en tres tipos de alcance. A continuacin, se aplica a la tecnologa de clustering hbrido Fuzzy C-MeDOIDS y Fuzzy C-means. Se realizan experimentos numricos con los conjuntos de datos UCI. Los resultados experimentales muestran que la precisin de los resultados de clustering mejora significativamente utilizando el mtodo de clustering propuesto en este trabajo. Adems, el mtodo propuesto en este trabajo se aplica a los conjuntos de datos MUSIC INTO EMOTIONS y YEAST. Los resultados del clustering muestran que el algoritmo propuesto en este trabajo tambin puede lograr un mejor efecto de clustering cuando se trata de problemas prcticos.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Análisis de conglomerados; Medidas; Similitud; Selección de centros de conglomerados; Medición de distancias; Tecnología híbrida de conglomerados
• Keywords:Cluster analysis; Measures; Similarity; Cluster center selection; Distance measurement; Hybrid clustering technology