异构数据的结构嫡聚类算法

研究了语义数据的聚类问题，提出了一种基于样本内在结构的结构嫡聚类sec算法。通过给出语义属性相异性度量测度的新定义，挖掘蕴含于数据样本中的结构信息，提出了一种根据结构信息计算样本信息嫡的优化方法，即通过嫡来确定样本的聚类中心，从而完成样本的聚类，并把此方法向异构数据进行了拓展。sec算法能实现不平衡数据的聚类，能自动确定初始类中心和聚类数目，具有无需迭代、效率高和相当的鲁棒性优势。实验表明，算法是有效的，与文献中的已有方法相比，聚类准确率得到显著提高，具有一定的实用价值。