一种高维数据聚类遗传算法

• 作者: 孙浩军 熊琅环
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 高维数据聚类 遗传算法 特征子空间
• 年，卷（期）: 2010,（8）
• 页码范围: 94-97
• 分类号: TP301.6
• 字数: 3861字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2010.08.026

摘要

聚类分析是数据挖掘中的一个重要研究课题.在许多实际应用中,聚类分析的数据往往具有很高的维度,例如文档数据、基因微阵列等数据可以达到上千维,而在高维数据空间中,数据的分布较为稀疏.受这些因素的影响,许多对低维数据有效的经典聚类算法对高维数据聚类常常失效.针对这类问题,本文提出了一种基于遗传算法的高维数据聚类新方法.该方法利用遗传算法的全局搜索能力对特征空间进行搜索,以找出有效的聚类特征子空间.同时,为了考察特征维在子空间聚类中的特征,本文设计出一种基于特征维对子空间聚类贡献率的适应度函数.人工数据、真实数据的实验结果以及与k-means算法的对比实验证明了该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙浩军	汕头大学计算机科学系	16	69	5.0	7.0
2	熊琅环	汕头大学计算机科学系	1	4	1.0	1.0