基于信息熵更新权重的数据自适应聚类研究

数据聚类过程不稳定且容易出现概念漂移等问题,降低了聚类的准确性。针对当前聚类方法存在的漂移点筛选能力和抗干扰能力较弱的问题,设计了一种基于信息熵更新权重的数据自适应聚类方法。采用IEWU算法求得信息熵值,将信息熵分为数值型与分类型,分别对不同类型的信息熵进行属性加权。设计基础聚类器,分别更新基础聚类器以及信息熵权重,利用聚类决策完成了数据自适应聚类。实验结果表明,所提方法具有较强的漂移点筛选能力和抗干扰能力,聚类准确率始终高于90%,聚类效果更好。