熵权改进的混合属性K-prototypes聚类算法

本文主要探讨的是"基于熵权法的混合属性聚类算法"，由孙浩军、高玉龙、闪光辉和袁婷四位作者共同完成，发表于2013年。这项研究聚焦于处理混合数据集的问题，尤其是那些包含数值属性和分类属性的数据。K-prototypes算法被广泛用于此类数据的聚类，但传统的K-means方法和其扩展如模糊k-prototypes算法存在局限性，它们在处理混合属性时往往只考虑了分类属性间的简单匹配，忽视了数据的整体特性和复杂性。 K-prototypes算法原本是k-means方法的拓展，能够处理分类和混合属性的数据，但它在距离衡量上可能存在不足，未能充分利用这些混合数据的特性。为了改进这一问题，作者提出了一种新的聚类方法，引入了信息熵作为属性的权值。信息熵是一个衡量不确定性或信息量的重要工具，通过赋予不同属性不同的权重，可以使算法在聚类过程中更注重具有更大信息含量的特征，从而实现更高精度和更稳定的聚类效果。 作者的研究工作得到了国家自然科学基金的资助（项目编号：61170130），并且采用Matlab进行了算法的实现。他们选择了UCI数据集中的credit等数据集进行实验验证，结果显示，新提出的基于熵权的混合属性聚类算法在处理混合数据时表现出更好的性能，既能够准确地识别和区分不同类型的数据，又能兼顾数据的整体结构，从而提高了聚类的准确性和有效性。 这篇论文的研究成果对于理解和改进混合数据的聚类算法具有重要意义，为处理现实世界中广泛存在的混合数据集提供了一种创新的方法。它不仅扩展了现有聚类算法的适用范围，也为其他领域的数据分析提供了有价值的参考，特别是在模式识别和数据挖掘领域。中图分类号TP274和TP301表明了论文的学科定位，文献标识码A则确认了其学术期刊文章的性质。