一种适用于高维非线性特征数据的聚类算法及应用

• 作者: 姜洪权 王岗 郭旗 高建民 高智勇 高瑞琪
• 来源期刊: 西安交通大学学报
• 关键词: 非线性 高维数据 核主元分析 密度聚类
• 年，卷（期）: 2017,（12）
• 页码范围: 49-55,90
• 页数: 8页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.7652/xjtuxb201712008

摘要

针对高维数据聚类分析中数据之间具有多种非线性特征关系,导致数据分布不均、传统相似性度量失效及结果类中心难以精准表征等问题,提出了一种基于核主元分析(KPCA)与密度聚类(DBSCAN)的高维非线性特征数据聚类分析技术.首先,为有效提取高维数据的非线性特征,利用KPCA理论将原始数据映射到更高维数据空间,利用主元分析获得数据变化的方向集合,并进行降维分析;然后,通过重新定义数据样本在主元空间的相似性距离对传统DBSCAN聚类方法进行改进,并利用3δ统计理论对各簇中心的进行表征,从而实现高维数据的精确分类与类中心知识表达.以实际高血压患者群体聚类问题为例对方法进行了有效性验证,实验表明,所提方法可以有效获取原始数据的非线性特征,实现患者个体特征群体的有效划分及簇类中心知识的表达,解决传统DBSCAN聚类方法对高维数据不适用的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高建民	西安交通大学机械制造系统工程国家重点实验室	306	2872	25.0	37.0
2	姜洪权	西安交通大学机械制造系统工程国家重点实验室	19	124	8.0	11.0
3	高智勇	西安交通大学机械制造系统工程国家重点实验室	38	375	10.0	18.0
4	王岗		25	138	6.0	11.0
5	郭旗		2	8	1.0	2.0
6	高瑞琪	西安交通大学机械制造系统工程国家重点实验室	1	8	1.0	1.0