模糊k-prototypes算法中的加权指数研究

？模糊kprototypes(fkp)算法融合了kmeans和kmodes对数值型和符号型数据的处理方法,适合于混合类型数据的聚类分析。同时,模糊技术使得fkp适合于处理含有噪声和缺少数据的数据库。但是,在使用fcm(fuzzycmeansalgorithm)或fkp算法时,如何选取加权指数α仍是悬而未决的问题。许多研究者基于他们的实验结果给出fcm中的最佳加权指数可能位于区间[1.5,2.5],本文则提出了一个fkp中加权指数的探寻算法。在多个实际数据集上的实验结果表明,为进行有效的聚类,fkp中加权指数应该小于1.5。