基于可靠性的正则化加权软k-均值的子空间聚类

• 作者: 任世锦 徐桂云 李新玉 杨茂云
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 软k-均值聚类 聚类相关维度权重 最大熵 高维数据 可靠性测度
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 硅基纳电子和光电子专栏
• 页码范围: 525-536
• 页数: 12页
• 分类号: TP181
• 字数: 7542字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2017.03.017

摘要

子空间聚类已经广泛应用于多个涉及高维数据聚类应用领域,受到机器学习研究者的广泛关注.子空间聚类方法是一种使用特征选择的聚类分析技术,通过选择重要特征子集实现对高维空间的低维表示,在实际应用中能够取得更好的性能,成为流行的高维数据聚类方法.与硬聚类方法相比,软聚类能够给出复杂数据更有意义的划分.扩展k-均值聚类并提出基于可靠性的正则化加权软k-均值新的子空间聚类方法(Reliability-based regularized weighted soft k-means clustering algorithm,RRWSKM),该方法能够计算每个特征对每个聚类的贡献度,从而找到与不同聚类相关的重要特征子集.另外,该方法能够通过调整模型参数准确地辨识数据模式,具有良好的聚类性能.该方法把维度加权熵和划分熵作为正则化项引入到目标函数,避免过拟合问题同时使更多的特征参与辨识聚类.为了提高算法的鲁棒性,使用可靠性测度获得特征权重初始值,提高算法的可靠性和性能.考虑到该算法是非凸优化问题,使用迭代优化方法得到优化问题的最优解.使用多个实际数据集对本文算法进行仿真验证,结果表明,与其他子空间聚类算法相比,该算法能够有效发现高维数据的低维表示,具有良好的聚类性能,适合高维数据的聚类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐桂云	中国矿业大学机电工程学院	82	290	9.0	14.0
2	任世锦	徐州师范大学计算机学院	13	66	5.0	7.0
3	杨茂云	中国矿业大学机电工程学院	6	19	2.0	4.0
5	李新玉	中国矿业大学机电工程学院	6	4	1.0	1.0