基于可变加权的高维数据子空间聚类算法研究.pdfVIP

ImageProcessingandMultimediaTechnology 基于可变加权的高维数据子空间聚类算法研究 邓 莹，杨双远 ，刘 菡 (厦门大学 软件学院，福建 厦门361005) 摘 要 ：高维数据的稀疏性和 “维灾”问题使得多数传统聚类算法失去作用，因此研究高维数 据集的聚类算法己成为当前的一个热点。子空间聚类算法是实现高维数据集聚类的有效方法之一。 介绍并实现了基于可变加权的高维数据子空间聚类算法SCAD和EWKM ，并分别对人造数据、现实 数据等数据集进行测试 ，根据测试结果进行分析 ，对 比两种算法的性能及适用场合。 关键词 ：高维数据 ；稀疏 ；子空间聚类 ；精确率 ；熵 中图分类号：TP311 文献标识码 ：A Studyofsubspaceclusteringalgorithm ofhighdimensionaldata basedonvariableweightingmethods DENGYing，YANGShuangYuan，LiuHan (Sofiw~eSchool，XiamenUniversity，Xiamen361005，China) Abstract：Thesparsityandthepmblemofhtecurseofdimensionalityofhigh--dimensionaldata．makehtemostoftraditionalclusteringalgorihtms losehteiractioninhigh-dimensionalspace．Therefore，clusteringofdaatniahihg-dimensionalspacebecomesahotresearcharea．Subspaceclustering algorithmisoneofhteeffectivewaystohandleproblems ofhigh-dimensionaldataclustering．Thispapernitroducesandrealizestwoalogrihtms (scAt)and EWKM)thatdiscoverclustersinsubspacesspannedbydifferentcombinationsofdimensionsvialocalweightingsoffeatures．Weexperimentthese algorihtms usingsyntheticdatasetsnadrealdatasets，htennaalyzehteresultsnadcontrasthteirperformnacenadapplicableoccasions． Keywords：hihg dimensionaldaat；sparsity；subspaceclustering；precision；entropy 聚类是 一种无 监督 分类 ，即按照事物 的某些属 也可能不同。因此不可能在一个子空间中发现所有 的 性 ，将数据划分成有意义或有用的类 (或称为 “簇”)， 类 。为了解决这个 问题 ，对 全空间聚类 问题进行了推 使类间的相似性尽可能小 ，类 内相似性尽可能大。聚 广 ，称为 “子空 间聚类”或 “投影聚类 ”，意在发现 类在模式识别、数据分析、图像处理和市场研究等领 数据集 中所有的类 以及 它所蕴涵的子空间 。子空间聚 域都有着重要 的应用。在这些应用 中，经常会碰到一 类是特征子集选择的一种扩展 ，它在高维数据聚类方 些高维数据 ，比如购物篮数据 、文档数据、多媒体数 面显示 出了优势。 据等…。然而在高维空间中，传统聚类算法的性能直接 1软子空间聚类 受到维度的影响 ：一是经常存在一些干扰特征误导聚 区别于传统 的聚类 方法 ，子空间聚类的主要挑战 类算法 的执行 ；二是高维空间的数据分布