Earticle

현재 위치 Home

Clustering Algorithm for Incomplete Data Sets with Mixed Numeric and Categorical Attributes

첫 페이지 보기
  • 발행기관
    보안공학연구지원센터(IJDTA) 바로가기
  • 간행물
    International Journal of Database Theory and Application 바로가기
  • 통권
    Vol.6 No.5 (2013.10)바로가기
  • 페이지
    pp.95-104
  • 저자
    Wu Sen, Chen Hong, Feng Xiaodong
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A205390

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
The traditional k-prototypes algorithm is well versed in clustering data with mixed numeric and categorical attributes, while it is limited to complete data. In order to handle incomplete data set with missing values, an improved k-prototypes algorithm is proposed in this paper, which employs a new dissimilarity measure for incomplete data set with mixed numeric and categorical attributes and a new approach to select k objects as the initial prototypes based on the nearest neighbors. The improved k-prototypes algorithm can not only cluster incomplete data with no need to impute the missing values, but also avoid randomness in choosing initial prototypes. To illustrate the accuracy of the established algorithm, traditional k-prototypes algorithm and k-prototypes employing the new dissimilarity measure are compared to the improved k-prototypes algorithm by using data from UCI machine learning repository. The experimental results show that the improved k-prototypes algorithm is superior to the other two algorithms with higher clustering accuracy.

목차

Abstract
 1. Introduction
 2. Materials and Methods
  2.1. Data Sets
  2.2. Problem Description
  2.3. Incomplete Set Mixed Dissimilarity (ISMD)
  2.4. Improved Selection of Initial k Centers based on Nearest Neighbors
  2.5. Improved k-prototypes Algorithm for Incomplete Data with Mixed Attributes
 3. Numerical Results
  3.1. Evaluation Indexes
  3.2. Experimental Results
 4. Conclusions and Discussion
 Acknowledgements
 References

키워드

Mixed numeric and categorical attributes k-prototypes algorithm Initial k prototypes Missing value imputation

저자

  • Wu Sen [ Dongling School of Economics and Management University of Science and Technology Beijing Beijing, 100083, P.R.China ]
  • Chen Hong [ Dongling School of Economics and Management University of Science and Technology Beijing Beijing, 100083, P.R.China ]
  • Feng Xiaodong [ Dongling School of Economics and Management University of Science and Technology Beijing Beijing, 100083, P.R.China ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    보안공학연구지원센터(IJDTA) [Science & Engineering Research Support Center, Republic of Korea(IJDTA)]
  • 설립연도
    2006
  • 분야
    공학>컴퓨터학
  • 소개
    1. 보안공학에 대한 각종 조사 및 연구 2. 보안공학에 대한 응용기술 연구 및 발표 3. 보안공학에 관한 각종 학술 발표회 및 전시회 개최 4. 보안공학 기술의 상호 협조 및 정보교환 5. 보안공학에 관한 표준화 사업 및 규격의 제정 6. 보안공학에 관한 산학연 협동의 증진 7. 국제적 학술 교류 및 기술 협력 8. 보안공학에 관한 논문지 발간 9. 기타 본 회 목적 달성에 필요한 사업

간행물

  • 간행물명
    International Journal of Database Theory and Application
  • 간기
    격월간
  • pISSN
    2005-4270
  • 수록기간
    2008~2016
  • 십진분류
    KDC 505 DDC 605

이 권호 내 다른 논문 / International Journal of Database Theory and Application Vol.6 No.5

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.