基于子空间聚类的高维数据可视分析方法综述

• 作者: 田帅 陈谊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 高维数据 可视分析 子空间探索 子空间聚类
• 年，卷（期）: 2018,（13）
• 所属期刊栏目: 热点与综述
• 页码范围: 19-26
• 页数: 8页
• 分类号: TP391
• 字数: 5843字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1802-0186

摘要

随着信息技术的飞速发展和大数据时代的来临,数据呈现出高维性、非线性等复杂特征.对于高维数据来说,在全维空间上往往很难找到反映分布模式的特征区域,而大多数传统聚类算法仅对低维数据具有良好的扩展性.因此,传统聚类算法在处理高维数据的时候,产生的聚类结果可能无法满足现阶段的需求.而子空间聚类算法搜索存在于高维数据子空间中的簇,将数据的原始特征空间分为不同的特征子集,减少不相关特征的影响,保留原数据中的主要特征.通过子空间聚类方法可以发现高维数据中不易展现的信息,并通过可视化技术展现数据属性和维度的内在结构,为高维数据可视分析提供了有效手段.总结了近年来基于子空间聚类的高维数据可视分析方法研究进展,从基于特征选择、基于子空间探索、基于子空间聚类的3种不同方法进行阐述,并对其交互分析方法和应用进行分析,同时对高维数据可视分析方法的未来发展趋势进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈谊	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	81	684	13.0	23.0
2	田帅	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	1	7	1.0	1.0