一般分布区间型符号数据的 K 均值聚类方法

对于区间型符号数据聚类分析的研究，现有方法大多假设个体在区间内服从均匀分布，这往往并不符合实际情况． 针对此问题，研究一般分布的区间型符号数据 K 均值聚类方法，给出了一般分布区间型符号数据的定义，并基于经验分布理论研究其描述统计． 基于 Hausdorff距离，考虑区间数所包含个体的分布信息，提出了一种新的区间型符号数据距离度量．给出了一般分布的区间型符号数据 K 均值聚类算法．通过随机模拟试验对该方法进行了有效性评价，结论表明，在各种实验设计的条件下，考虑一般分布的 K 均值聚类算法有效性均优于均匀分布假设下的 K 均值聚类算法．最后将文中方法应用于汽车的聚类分析，进一步体现了文中方法在解决实际问题中的优势．

K-means clustering of generally distributed interval symbolic data