论文部分内容阅读
鉴于高维数据的稀疏性和分类数据特点，探讨了专门针对高维分类数据的聚类方法．首先将原始数据集转换成频繁项集，再通过改造频繁模式树以及给出的剪切策略，挖掘出事务的最大频繁项集，并基于最大频繁项集（MFI）的两个属性，将具有相同MFI的对象归于一类，由此提出了基于最大频繁项集的聚类算法．通过对分类数据集的实验，表明该算法具有相当的稳定性、健壮性和有效性．