亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

An efficient entropy based dissimilarity measure to cluster categorical data

聚类分析 计算机科学 范畴变量 数据挖掘 兰德指数 熵(时间箭头) 数据点 模式识别(心理学) k-中位数聚类 单连锁聚类 相似性度量 公制(单位) 高维数据聚类 人工智能 数据集 水准点(测量) 相关聚类 CURE数据聚类算法 机器学习 量子力学 物理 运营管理 经济 地理 大地测量学
作者
Amit Kumar Kar,Amaresh Chandra Mishra,Sraban Kumar Mohanty
出处
期刊:Engineering Applications of Artificial Intelligence [Elsevier]
卷期号:119: 105795-105795 被引量:8
标识
DOI:10.1016/j.engappai.2022.105795
摘要

Clustering is an unsupervised learning technique that discovers intrinsic groups based on proximity between data points. Therefore, the performance of clustering techniques mainly relies on the proximity measures used to compute the (dis)similarity between the data objects. In general, it is relatively easier to compute the distance between numerical data points as numerical operations can directly be applied to values along features. However, for categorical datasets, computing the (dis)similarity between the data objects becomes a non-trivial problem. Therefore, in this paper, we propose a new distance metric based on the information theoretic approach to compute the dissimilarity between categorical data points. We compute entropy along each feature to capture the intra-attribute statistical information, based on which significance of attributes are decided during clustering. The proposed measure is free from any domain-dependent parameters and also does not rely on the distribution of data points. Experiment is conducted over diversified benchmark data sets, considering six competing proximity measures with three popular clustering algorithms and the clustering results are compared in terms of RI (Rand Index), ARI (Adjusted Rand Index), CA (Clustering Accuracy) and Cluster Discrimination Matrix (CDM). Over 85 percent of the data sets, the clustering accuracy of the proposed metric embedded with K-Mode and Weighted K-Mode outperforms its counterparts. Approximately, 0.2951 s is needed by the proposed metric to cluster a data set having 10,000 data points with 8 attributes and 2 clusters on a standard desktop machine. Overall, experimental results demonstrate the efficacy of the proposed metric to handle complex real datasets of different characteristics.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
nanfang完成签到 ,获得积分10
2秒前
4秒前
cmq完成签到 ,获得积分10
4秒前
研友_8yN60L完成签到,获得积分10
6秒前
8秒前
爱学习的太阳完成签到,获得积分10
9秒前
12秒前
chen完成签到,获得积分10
15秒前
Qvby3完成签到 ,获得积分10
16秒前
fly完成签到 ,获得积分10
17秒前
天人合一完成签到,获得积分0
18秒前
19秒前
20秒前
快乐的C完成签到,获得积分20
24秒前
原野小年完成签到,获得积分10
24秒前
原野小年发布了新的文献求助10
27秒前
科研通AI2S应助原野小年采纳,获得10
39秒前
48秒前
安安完成签到,获得积分10
54秒前
Yana__Chan完成签到 ,获得积分10
54秒前
今后应助科研通管家采纳,获得10
1分钟前
niuzyang发布了新的文献求助10
1分钟前
Ava应助阿尼亚采纳,获得10
1分钟前
1分钟前
淡定的半莲完成签到 ,获得积分10
1分钟前
老王完成签到 ,获得积分10
1分钟前
1分钟前
niuzyang完成签到,获得积分20
1分钟前
Shrimp完成签到 ,获得积分10
1分钟前
breeze完成签到,获得积分10
1分钟前
葡紫明完成签到 ,获得积分10
1分钟前
蓝鲸完成签到 ,获得积分10
1分钟前
CodeCraft应助哈哈哈哈哈采纳,获得10
1分钟前
压缩完成签到 ,获得积分10
1分钟前
哈哈哈哈哈完成签到,获得积分10
1分钟前
霁昕完成签到 ,获得积分10
1分钟前
乐乐应助fpbovo采纳,获得10
1分钟前
名金学南完成签到,获得积分10
1分钟前
俭朴蜜蜂完成签到 ,获得积分10
1分钟前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Handbook of Qualitative Cross-Cultural Research Methods 600
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139490
求助须知:如何正确求助?哪些是违规求助? 2790349
关于积分的说明 7795082
捐赠科研通 2446818
什么是DOI,文献DOI怎么找? 1301448
科研通“疑难数据库(出版商)”最低求助积分说明 626238
版权声明 601146