高維數(shù)據(jù)投影聚類算法的研究.pdf

1、　　聚類分析作為數(shù)據(jù)挖掘的一種方法，占有重要的地位。所謂聚類是一個(gè)將數(shù)據(jù)集劃分為若干類(cluster)的過(guò)程，是否相似的度量是基于數(shù)據(jù)對(duì)象描述的取值來(lái)確定的。目前，傳統(tǒng)的聚類算法只是在低維數(shù)據(jù)上取得了較好的效果，隨著海量數(shù)據(jù)特別是高維數(shù)據(jù)的出現(xiàn)，這些聚類算法變得異常困難。因此，如何對(duì)高維數(shù)據(jù)進(jìn)行有效聚類已成為數(shù)據(jù)挖掘研究中的熱點(diǎn)?！　”疚尼槍?duì)高維數(shù)據(jù)聚類展開研究，首先從理論上說(shuō)明了隨著維數(shù)的增加數(shù)據(jù)無(wú)法在全維空間中密集，揭示了高維數(shù)

2、據(jù)中的稀疏性和維災(zāi)的存在以及它們所帶來(lái)的影響，并且把基于距離的高維數(shù)據(jù)聚類方法分為維規(guī)約、基于網(wǎng)格的子空間聚類算法、Bicluster方法和投影子空間聚類算法，同時(shí)對(duì)它們的算法思想作了描述?！　”疚闹饕獙?duì)現(xiàn)有的投影子空間聚類算法做了研究，在投影子空間聚類算法的基礎(chǔ)上做了三方面的改進(jìn)：(1)對(duì)于每類在其相關(guān)空間中每維上對(duì)數(shù)據(jù)聚合程度進(jìn)行評(píng)價(jià)，采用密度直方圖的方法判別類中的每維是否為候選相關(guān)維。(2)對(duì)候選相關(guān)維提出了一種對(duì)異常噪聲具有較