二元数据子空间聚类算法初始化研究.docVIP

二元数据子空间聚类算法的初始化研究 　　（重庆邮电大学 中韩合作空间信息系统研究所, 重庆 400065） 　　?? 　　摘 要：针对二元数据空间高维稀疏性的特点而提出的有限混合伯努利模型，能够快速寻找映射簇的模型框架；EM算法是数学模型进行参数迭代的重要方法，其算法的优劣很大程度上取决于其初始参数。对于运用EM算法来实现有限混合伯努利模型聚类算法已有许多研究， EM算法中参数的选取直接影响聚类算法的性能。引入 Binning法和改变数据之间相似度测量方式、中心点的选取方式来进行初始化，从而大大减少聚类结果对初始参数的依赖，实验证明该算法是高效的、正确的。 　　?す丶?词：子空间聚类； 二元数据； 有限混合伯努利模型； EM算法 　　?ぶ型挤掷嗪牛?TP18 文献标志码：A 　　 文章编号：1001?B3695(2009)01?B0047?B03 　　?? 　　Research of initialization of subspace clustering algorithm in binary data 　　XIA Ying, LU Ning, FENG Jiangfan 　　?? 　　(SIKOGIS Research Center, Chongqing University of Posts Telecommunications, Chongqing 400065,China) 　　?? 　　Abstract:Aiming at the characteristic of highdimensionality and sparseness in binary data set, proposes the finite mixtures of Bernoulli distributions model for finding projected clusters fast. EM algorithm is the important method of iterative parameters, and the degree of good or bad with EM algorithm lies on initial parameters. As far as the finite mixtures of Bernoulli distributions model, there have been lots of researches about it. However, in EM algorithm, the initial parameters affect the clustering performance directly. Therefore, this paper introduced Binning method and computed parameters through changing the comparability measurement between dates and selection style about corepoint，in order to reduce the dependence of the clustering for initial parameters. Experiment demonstrates the algorithm is efficient and accurate. 　　??Key words：subspace clustering; binary data; the finite mixtures of Bernoulli distributions model; EM algorithm 　　?お? 　　子空间聚类是指在原始数据空间的子空间中寻找数据簇，使每个簇与相应的属性子集关联，而簇内数据点在这样的属性集合下高度相似。该概念在1998年由Agrawal等人[1,2]提出后，引起许多学者关注，并不断研究出新的成果。经典的算法有CLIQUE[1]算法、改进了的PROCLUS[3]/ORCLUS[4]等算法，这些算法虽然能有效地发现映射簇，但也存在许多不足。例如CLIQUE算法发现簇的形状总是超矩形的结合，而PROCLUS/ORCLUS算法的簇却总是外凸的；从CLIQUE到PROCLUS/ORCLUS都采用硬划分的方法把数据强制属于某一类；CLIQUE和PROCLUS/ORCLUS都需要输入参数，且算法都对初始值非常敏感；CLUQYE和PROCLUS/ORCLUS随着维数的增大，算法的运行时间均呈指数增长。基于模型的聚类方法[5]利用已知数学模型，通过逐渐逼近的方法使得给定数据集与数据模型之间达成最佳