%0 Journal Article
%T 一种基于概念的数据聚类模型
%A 张明卫？
%A 刘莹？
%A 张斌？
%A 朱志良？
%J 软件学报
%P 2387-2396
%D 2009
%X 在数据挖掘研究领域,现有的大多数聚类算法都受到数据可伸缩性和结果可解释性的限制.为了解决这一难题,提出了一种基于概念的数据聚类模型.该模型从描述数据样本的数据本身出发,首先在预处理后的数据集上提取基本概念,再对这些概念进行概化,形成表示聚类结果的高层概念,最后基于这些高层概念进行样本划分,从而完成整个聚类过程.该模型能够在保证聚类准确性的基础上,很大程度地减少要处理的数据量,提高原算法的可伸缩性.另外,该模型基于概念进行知识的发现与分析,能够提高聚类结果的可解释性,便于与用户交互.实验结果表明,该模型对于聚类结果较好且复杂度较高的算法尤为有效.
%K 数据挖掘
%K 聚类
%K 概念
%K 概念元组
%K 模型
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=3412&flag=1