Research on Subspace Clustering Algorithms Based on Density

摘要

聚类分析是数据挖掘领域最重要的研究热点之一，旨在将数据对象分组成为多个簇类，有着广阔的应用前景。随着技术进步，聚类分析许多应用领域的数据具有很高的维度。这些数据集中存在大量无关的属性，使得在所有维中存在簇的可能性几乎为零；同时，产生“维度效应”现象：数据分布变得稀疏，数据间距离几乎相等非常普遍，传统的距离度量方式将失去作用。因此，为面向高维大规模数据集的聚类分析寻找适当的方法已经成为研究工作的重点。子空间聚类正是基于上述背景提出的，用于在数据集的不同子空间上查找簇类，具备传统聚类方法很难实现的优点。 本文着重对基于密度的子空间聚类算法进行研究，主要工作包括以下几个方面： 对聚类分析领域的基...