Study of subspace clustering algorithm of high dimensional data based on variable weighting methods

摘要

高维数据的稀疏性和“维灾“问题使得多数传统聚类算法失去作用,因此研究高维数据集的聚类算法己成为当前的一个热点。子空间聚类算法是实现高维数据集聚类的有效方法之一。介绍并实现了基于可变加权的高维数据子空间聚类算法SCAd和EWkM,并分别对人造数据、现实数据等数据集进行测试,根据测试结果进行分析,对比两种算法的性能及适用场合。