不完整数据的聚类研究 .pdfVIP

不完整数据的聚类研究

冷泳林;张清辰;鲁富宇

【摘要】数据采集过程中存在大量缺失数据，即不完整数据。传统方法在聚类不

完整数据时采用填充或丢弃缺失数据方式实现数据的聚类。依据不完整信息系统理

论提出一种基于K-means的不完整数据聚类算法，算法首先将数据集划分成完整

数据集和非完整数据集两部分，对完整数据集采用K-means算法进行聚类，然后

将不完整数据依据设计的相似度度量方法划分到对应的簇中，实现数据集的聚类。

实验结果表明，提出的方法能够高效、精确地实现不完整数据聚类。%Alarge

numberofmissingdataexistintheprocessofdatacollection,whichare

calledincompletedata.Traditionalmethodsinclusteringincompletedata

useimputationordiscardingstrategyfordataclustering.Inthispaper,we

proposeaK-meansclusteringofincompletedatabasedontheincomplete

informationsystemtheory.Thealgorithmfirstlydividesthedatasetintoa

completedatasetandtheincompletedataset,andusingK-means

algorithmforthecompletedatasetclustering.Thentheincompletedata

aredividedintothecorrespondingclustersbasedonthedesigndivisionof

similaritymeasurement.Experimentdemonstratesthattheproposed

algorithmcanclustertheincompletebigdatadirectlyandimprovethe

accuracyandeffectivity.

【期刊名称】《河南科学》

【年(卷),期】2014(000)011

【总页数】4页(P2259-2262)

【关键词】不完整数据;K-means聚类;不完整信息系统

【作者】冷泳林;张清辰;鲁富宇

【作者单位】渤海大学信息科学与技术学院，辽宁锦州121000;大连理工大学软

件学院，辽宁大连116620;渤海大学信息科学与技术学院，辽宁锦州121000

【正文语种】中文

【中图分类】TP312

随着物联网技术的迅速发展，物联网给人们生活所带来的便捷性越来越高.如在数

字家庭中，通过嵌入的传感设备人们可随时获取温度、湿度、安防等各方面的信息.

但由于传感器节点失效、网络传输拥塞等一些因素，会造成采集到的数据中存在大

量错误、缺失的数据，即不完整数据［1-3］.聚类分析是数据挖掘领域的重要方法，

当对不完整数据进行聚类时，由于缺失数据的存在，因此聚类效果明显降低.通常

对不完整数据进行聚类时采取两种策略，一种是先根据数据分布特点和对象间的关

联性等因素对不完整数据进行填充，形成完整数据集然后再聚类，如Hathaway

andBezdek提出的OCS（optimalcompletionstrategy）和NPS（nearest

prototypestrategy）策略；第二种是直接将含有缺失数据的对象丢弃，对剩余完

整数据集进行聚类，如HathawayandBezdek提出的WDS（wholedata

strategy）和PDS（partialdistancestrategy）策略［4］.后者适用具有少量缺

失数据的数据集，当缺失数据所占比例较大时，会严重地影响聚类结果.本文基于

不完整信息系统理论提出一种基于K-means算法的不完整数据聚类算法，将聚类

数据集划分成完整数据集和非完整数据集两部分，对完整数据集采用传统的K-

means算法直接进行聚类，然后依据不完整信息系统［5］的相似度度量方法计算

不完整数据集中的数据对象与各个类簇的相似性，并把对象划分到最相近的类簇中，