来源：期刊VIP网 时间：
作者：陈晓曼;陈玉;苏欢;
单位：哈尔滨工业大学(威海)理学院;呼伦贝尔市卫生健康委员会;
摘要：混合型属性数据是最为常见的一种数据集类型，针对该类型数据的聚类算法是聚类分析的研究热点之一。由于谱聚类算法具有适合于任意形状数据的聚类问题且能收敛于全局最优解的优势，因而从相似性度量的角度出发，基于杰卡德(Jaccard)距离、马氏(Mahalanobis)距离的思想，设计一种适用于混合型属性数据的相似性度量，并利用其实现谱聚类的混合型属性数据扩展，构建一种改进的谱聚类算法(IJM-SC)。将构建的算法应用于UCI机器学习数据库中心脏病数据集等3个混合型属性数据集进行聚类，验证算法对混合型属性数据聚类的优越性，通过与现有一些算法比较效果指标，结果表明提出算法能够更好地实现对混合型属性数据的聚类。
关键词：混合型属性数据;;谱聚类;;Jaccard距离;;马氏距离
基金资助：山东省自然科学基金面上项目(ZR202102220411)
