最小闭树特征集的聚类与分类方法

？提出一种基于最小闭树特征集的聚类与分类方法，有效地解决了在实际应用中因数据量大而无法聚类与分类的问题。其基本思想为：以最小闭树特征集作为候选聚类与分类特征，采用动态阈值按相似度聚类，使得树聚类快速而精确;提出树分类规则等级概念，并应用于树分类方法中，能迅速预测未知的树结构。实验结果表明，在树节点数较多或数据量大时，新方法有效可行，且与类其他方法相比效率有显著提高。