基于粗糙集的高维分类型数据子空间聚类算法

• 作者: 吴廷发 孙浩军 游俊斌
• 来源期刊: 汕头大学学报：自然科学版
• 学科: 工学
• 关键词: 高维分类型数据 增长子空间 粗糙集 聚类
• 年，卷（期）: 2012,（4）
• 页码范围: 46-53
• 页数: 8页
• 分类号: TP306.1
• 字数: 3585字
• 语种: 中文

摘要

现有的优秀的聚类算法大多是处理低维数据的，但是对于高维数据，由于其分布特性与低维情形有很大的差异，这些算法失效．为解决高维分类型数据聚类问题，提出了一种基于粗糙集的高维分类型数据子空间聚类算法，基于粗糙集的上、下近似集的类边界描述，确定了类边界范围，然后采用相容度来调整类边界，聚类的过程采用增长子空间的思想，从低维到高维迭代地搜子空间类簇．最后通过在soybean、zoo数据集上的对比实验，实验结果表明了算法不仅可行，而且精度高．

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	汕头大学工学院	16	69	5.0	7.0
2	游俊斌	汕头大学工学院	1	3	1.0	1.0
3	吴廷发	汕头大学工学院	1	3	1.0	1.0