文献类型：期刊文章

作　　者：曹勇[1] 王兆辉[1] 高琦[1] 甄丽红[2]

CAO Yong;WANG Zhao-hui;GAO Qi;ZHEN Li-hong(CAD/CAM Reseerch Institute, School of Mechanical Engineering, Shandong University, Jinan 250061,China;ShanDong Science and Technology Developmeni Service Centec, Jinan 250101, China)

机构地区：[1]山东大学机械工程学院CAD/CAM研究所,济南250061 [2]山东省科技发展服务推进中心,济南250101

出　　处：《组合机床与自动化加工技术》

基　　金："十三五装备"预研领域基金项目(61409230102)

年　　份：2019

期　　号：6

起止页码：1-4

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、INSPEC、RCCSE、ZGKJHX、核心刊

摘　　要：针对全局K-Medoids算法在处理大规模数据聚类分析时搜索效率低的问题,提出了基于竞争神经网络的全局K-Medoids聚类算法。由于神经网络算法对输入模式要求为数值向量,不适合处理文本序列数据的聚类问题,通过定义文本序列数据在聚类分析时的属性描述方式,利用竞争神经网络对数据进行初始分类,在此基础上运行全局K-Medoids算法进行详细的分类,使算法适合于处理文本序列数据聚类问题。文章分别利用UCI数据库中的8组实验数据和机械加工企业工艺数据中的工艺路线数据进行算法验证,结果证明该方法的效率和精度均高于K-Medoids算法和全局K-Medoids算法。

关 键 词：全局K-Medoids算法  竞争神经网络 聚类分析 文本序列数据  属性描述  

分 类 号：TH166] TG506]