结合最近邻与闭模式子空间聚类方法

• 作者: 宋奎勇 寇香霞 王念滨 王红滨
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 高维 共享最近邻 子空间聚类 闭频繁项集
• 年，卷（期）: 2017,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 134-137,198
• 页数: 5页
• 分类号: TP18
• 字数: 4123字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1701-0261

摘要

针对传统距离度量在高维数据上效果不明显问题,提出一种共享最近邻子空间聚类算法(SNN_SC),按照维把数据集转变为多个最近邻事务数据库,挖掘事务数据库中最大共现对象集,即一维上聚类.在一维聚类集上进一步挖掘闭频繁项集,包含闭频繁项集的维是子空间,闭频繁项集是子空间上聚类.实验对比结果表明,SNN_SC能够更准确定位子空间,并在子空间上产生完整聚类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王念滨	哈尔滨工程大学计算机科学与技术学院	24	263	9.0	15.0
2	王红滨	哈尔滨工程大学计算机科学与技术学院	20	115	7.0	9.0
3	宋奎勇	哈尔滨工程大学计算机科学与技术学院	6	11	2.0	3.0
7	寇香霞	呼伦贝尔职业技术学院信息工程系	4	4	1.0	2.0