自适应的软子空间聚类算法

• 作者: 姜青山 郭躬德 陈黎飞
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 聚类 高维数据 子空间 特征加权 自适应性
• 年，卷（期）: 2010,（10）
• 页码范围: 2513-2523
• 分类号: TP311
• 字数: 8840字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2010.03763

摘要

软子空间聚类是高维数据分析的一种重要手段.现有算法通常需要用户事先设置一些全局的关键参数,且没有考虑子空间的优化.提出了一个新的软子空间聚类优化目标函数,在最小化子空间簇类的簇内紧凑度的同时,最大化每个簇类所在的投影子空间.通过推导得到一种新的局部特征加权方式,以此为基础提出一种自适应的k-means型软子空间聚类算法.该算法在聚类过程中根据数据集及其划分的信息,动态地计算最优的算法参数.在实际应用和合成数据集上的实验结果表明,该算法大幅度提高了聚类精度和聚类结果的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈黎飞	福建师范大学数学与计算机科学学院	42	344	9.0	17.0
2	郭躬德	福建师范大学数学与计算机科学学院	74	600	12.0	22.0
3	姜青山	厦门大学软件学院	36	550	11.0	23.0