一种基于粒度原理的多指标综合Web用户聚类算法*

为了解决传统聚类算法难以获得较好的Web用户聚类结果、使用的指标无法全面反映用户行为特征的问题，提出一种基于粒度原理的Web用户聚类算法。首先对离散化数据给出稀疏相似度和初始等价关系的定义，进行初次聚类；然后设计可变精度的二次聚类模型对初始聚类结果进行修正；最后结合应用领域定义一种新的聚类质量评价模型。算法中面向Web用户引入多指标体系，各种指标既可独立考核，也可灵活组合，并同时兼顾决策者对指标的偏好。实验证明，该算法适用于Web用户的高维稀疏数据，不依赖样本的顺序，具有更广应用性，可提供多粒度分析结果，得到的聚类结果能真实反映数据的特征。

Granular principle based multi-index synthetical Web user clustering algorithm

To solve the problems of that the traditional clustering algorithm was hard to obtain ideal result of Web user,and the indexes of current algorithms could't reflect user behavioral characteristic,this paper proposed a granular principle based clustering algorithm.It discretized the sparse data through a semi-fuzzy algorithm.Based on these,defined sparse similarity and initial equivalence relation on discrete data and designed variable precision quadratic clustering model to refine the result so the algorith...