一种无参数的缺失数据聚类算法
原文中文，约400字，阅读约需1分钟。发表于：。在真实世界中，缺少数据集普遍存在。现有的用于缺失数据集的聚类算法首先对缺失值进行插补，然后进行聚类。然而，插补和聚类过程都需要输入参数，太多的输入参数会增加获得准确聚类结果的难度。虽然一些研究表明决策图可以替代聚类算法的输入参数，但当前的决策图需要对象之间具有相等的维度，因此不适用于缺失数据集。为此，我们提出了一种单维度聚类算法，即 SDC。SDC...
这篇文章介绍了一种新的单维度聚类算法SDC，可在缺失数据集上获得有效的聚类结果，无需输入参数。实验证明，SDC的性能比基准算法提高了13.7％（NMI），23.8％（ARI）和8.1％（Purity）。
