Research on Soft Subspace Clustering Algorithms and Applications

摘要

聚类分析是数据挖掘领域最重要的研究热点之一。然而随着技术的进步，聚类分析许多应用领域的数据具有很高的维度，同时受“维度效应”的影响，传统的聚类算法在高维数据上的聚类精度不尽如人意。因而研究高维数据的聚类分析方法具有非常重要的意义，已成为近年来研究的一个重点课题。 在高维空间中，簇类可能只存在于某些低维子空间中，而不同的簇类所处的子空间也可能存在差异。因而子空间聚类方法成为高维数据聚类分析中的一个研究热点。现有软子空间聚类算法多关注于簇类紧凑度的信息，忽略投影子空间的优化，在数据点之间普遍存在“低相似性”的情况下，难以准确定位聚类过程的初始点。 本文从高维数据投影子空间的优化目标入手，提出新...