k-means型软子空间聚类算法

• 作者: 姜青山 张燕萍
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 高维数据 k均值 软子空间算法 子空间差异
• 年，卷（期）: 2010,（11）
• 页码范围: 1019-1026
• 分类号: TP311
• 字数: 5314字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2010.11.007

摘要

软子空间聚类是聚类研究领域的一个重要分支和研究热点.高维空间聚类以数据分布稀疏和"维度效应"现象等问题而成为难点.在分析现有软子空间聚类算法不足的基础上,引入子空间差异的概念;在此基础上,结合簇内紧凑度的信息来设计新的目标优化函数;提出了一种新的k-means型软子空间聚类算法,该算法在聚类过程中无需设置额外的参数.理论分析与实验结果表明,相对于其他的软子空间算法,该算法具有更好的聚类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜青山	厦门大学软件学院	36	550	11.0	23.0
2	张燕萍	厦门大学软件学院	2	1	1.0	1.0