基于簇间距离自适应的软子空间聚类算法

• 作者: 狄龙娟 邱云飞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 自适应性 簇间距离 软子空间聚类 高维数据
• 年，卷（期）: 2016,（21）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 88-93
• 页数: 6页
• 分类号: TP181
• 字数: 4245字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1503-0197

摘要

针对软子空间聚类过程中簇间距离（簇间的分离程度）对聚类的影响程度不确定的问题，提出了一种基于簇内紧密度和簇间距离自适应软子空间聚类算法。算法以经典的k均值聚类算法框架为基础，在最小化各个子空间簇类的簇内紧密度的同时最大化各个子空间簇类的簇间距离。并且通过推导得到新的子空间聚类中心和特征加权的计算方式，克服了软子空间聚类对输入参数敏感的缺点，实现了算法的自适应学习，并且取得了较好的聚类效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱云飞	辽宁工程技术大学软件学院	70	620	13.0	22.0
2	狄龙娟	辽宁工程技术大学软件学院	1	9	1.0	1.0