我正在尝试为数据挖掘算法开发 Java 代码，即 k-apriori 算法，它可以提高 apriori 算法的性能。正如我已经开发的 1) apriori & 2) apriori based on boolean matrix。我无法理解的是 wiener 函数 如何帮助转换数据。为什么我们在这个算法中使用它。我试图在谷歌上搜索 K-apriori 算法的例子，但找不到任何例子。我知道 K-means 算法的工作原理。如果有人有示例 K-apriori 特别说明它是如何工作的，那将会很有帮助。 Here 是我引用 K-apriori 算法的链接。
【问题讨论】：
标签： java algorithm data-mining
我自己从未实现过 k-apriori，但如果我是对的，那只是在 K-means 发现的 K 个集群中工作的 Apriori
如您所知，K-means 是基于聚类质心的概念。通常二进制数据聚类是通过使用 0 和 1 作为数值来完成的。但在从数据计算质心时，这是非常有问题的。如果两点之间的二进制数据距离只是两点之间不同的位数。你可以在this link阅读更多关于这个问题的信息
要获得任何有意义的集群，K-means 应该对真实值进行操作。这就是为什么您使用 wiener 函数将二进制值转换为实际值，这有助于 K-means 获得令人满意的结果
维纳函数 - 他们对每个二进制向量执行如下：
假设您有大小为 pxq 的二进制矩阵大小 X 和向量 V，它是该矩阵的第 n 行。让我们选择邻域窗口3。对于V向量的第n个位置
µ = 1/3 * ( V[n-1] + V[n] + V[n+1] )
σ^2 = 1/3 * ( ( V[n-1]-µ )^2 + ( V[n]-µ )^2 + ( V[n+1]-µ )^2 )
Y[n] = µ + (σ^2 - λ^2)/σ^2 * ( V[n] - µ )
其中 λ^2 是所有局部估计方差的平均值，所以 f.e.假设向量 V = 5 的长度：
λ^2 = (σ^2[0]+σ^21+σ^2[2]+σ^2[3]+σ^2[4])/5
【讨论】：