版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、聚類分析作為數(shù)據(jù)挖掘的十大難題之一,是數(shù)據(jù)挖掘范疇的重點(diǎn)研究內(nèi)容。其中,對高維數(shù)據(jù)的聚類更是研究者們探索的熱點(diǎn)問題。最近的研究顯示出傳統(tǒng)的聚類算法可能因?yàn)楦呔S數(shù)據(jù)的維度災(zāi)難現(xiàn)象而不能發(fā)現(xiàn)有意義的簇。維度災(zāi)難指的是隨著維度基數(shù)的增長,指定的點(diǎn)到離它最近的點(diǎn)的距離和距他最遠(yuǎn)的點(diǎn)距離識別率降低,發(fā)現(xiàn)有意義的、可分離的簇是非常有挑戰(zhàn)性的。利用子空間聚類技術(shù)可以將這些高維數(shù)據(jù)中的信息轉(zhuǎn)換成有價(jià)值的知識,解決維度災(zāi)難的問題。
與在所有特征
2、空間尋找聚類不同,子空間聚類的方向是找到嵌在不同子空間的簇,是達(dá)成高維數(shù)據(jù)聚類的有效方法。經(jīng)過探索常用的一些子空間聚類算法,發(fā)現(xiàn)簇的子空間確定的過程大都要求對數(shù)據(jù)庫進(jìn)行多次掃描,并且需求用戶來提供算法所使用的參數(shù),致使算法的效率和準(zhǔn)確性受到限制?;陬l繁模式的數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)和設(shè)置方法,子空間的確定可以通過兩次掃描數(shù)據(jù)庫,轉(zhuǎn)化為頻繁模式挖掘問題,所有的信息都存儲在頻繁模式樹中,進(jìn)而可以找到頻繁模式。
本文提出了一種可以解決高維
3、數(shù)值類型數(shù)據(jù)包括布爾類型數(shù)據(jù)的子空間聚類算法(Attribute relevancy-based subspace clustering algorithm,ARSUB)。算法采用網(wǎng)格聚類的思想,將屬性轉(zhuǎn)化為頻繁模式中的項(xiàng)集,將聚類問題轉(zhuǎn)化為頻繁模式挖掘問題,然后基于項(xiàng)目對間強(qiáng)關(guān)聯(lián)的關(guān)系建立關(guān)系矩陣,以衡量任意兩個(gè)項(xiàng)集之間的相關(guān)度,進(jìn)而得到強(qiáng)相關(guān)的候選子空間。最后對候選子空間進(jìn)行聚類得到存在于不同子空間中的簇。本算法利用頻繁模式樹的結(jié)構(gòu)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于屬性相關(guān)性分析高維數(shù)據(jù)聚類子空間搜索算法分析與研究.pdf
- 基于復(fù)雜屬性相似度的聚類算法研究及應(yīng)用.pdf
- 高維分類屬性的子空間聚類算法研究.pdf
- 基于密度的子空間聚類算法研究.pdf
- 基于空間約束的半監(jiān)督子空間聚類算法.pdf
- 約束子空間聚類算法研究.pdf
- 基于模式相似的子空間聚類算法研究.pdf
- 基于模型的半監(jiān)督子空間聚類算法分析.pdf
- 基于花朵授粉算法的軟子空間聚類算法優(yōu)化研究.pdf
- 子空間高維聚類算法的研究.pdf
- 基于粒子群算法的高維數(shù)據(jù)子空間聚類算法.pdf
- 基于密度的數(shù)據(jù)流子空間聚類算法研究.pdf
- 基于子空間聚類的文本相關(guān)性研究.pdf
- 改進(jìn)的稀疏子空間聚類算法研究.pdf
- 稀疏子空間聚類算法的改進(jìn)研究.pdf
- 子空間聚類算法的研究及應(yīng)用.pdf
- 基于屬性權(quán)重的混合聚類算法研究.pdf
- 基于劃分的混合屬性聚類算法研究.pdf
- 圖像子空間聚類與分類算法研究.pdf
- 軟子空間聚類算法研究及其應(yīng)用.pdf
評論
0/150
提交評論