一种高维分类型数据的子空间聚类算法

• 作者: 孙浩军 张崇锐 张磊 李惊涛 肖婷
• 来源期刊: 汕头大学学报（自然科学版）
• 学科: 工学
• 关键词: 子空间 聚类 高维 信息熵
• 年，卷（期）: 2014,（3）
• 页码范围: 51-59
• 页数: 9页
• 分类号: TP391.4
• 字数: 6308字
• 语种: 中文

摘要

子空间聚类是一种将搜索局部化在相关维上进行的聚类算法，它能有效地克服数据因维度过高引起的在全空间上聚类的困难。针对高维分类型数据，本文提出了一种自底向上的子空间层次聚类算法，该算法在全局范围内建立一个最相似线性表用来记录每个簇类与其最相似的簇类的相似度，在聚类过程中，选取最相似的簇类合并，并通过维护此线性表产生最相似的簇类。此算法在基于信息熵的意义上能够较准确地搜索簇类的子空间。通过Zoo和Soybean两个典型的分类型数据实验发现，相对于其它相关聚类算法，该算法在聚类的准确率和稳定性方面表现出较高的优越性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	汕头大学工学院	7	24	3.0	4.0
2	孙浩军	汕头大学工学院	16	69	5.0	7.0
3	李惊涛	汕头大学工学院	2	2	1.0	1.0
4	张崇锐	汕头大学工学院	2	2	1.0	1.0
5	肖婷	汕头大学工学院	1	2	1.0	1.0