改進(jìn)的稀疏子空間聚類算法研究.pdf

1、聚類分析旨在把數(shù)據(jù)對象劃分為幾個有意義的子集，也稱類簇，以致于同一個類簇里的數(shù)據(jù)對象相似，不同類簇之間的數(shù)據(jù)對象不相似。而高維數(shù)據(jù)的聚類問題已經(jīng)成為數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)里的一個挑戰(zhàn)性問題。
　　高維數(shù)據(jù)聚類方法主要存在兩個困難：⑴.高維數(shù)據(jù)中出現(xiàn)的那些無關(guān)屬性使聚類趨勢不明顯；⑵.高維數(shù)據(jù)的分類界限不明顯。針對這些困難，本文在了解傳統(tǒng)聚類方法的基礎(chǔ)上，研究了高維數(shù)據(jù)聚類的主要方法：子空間聚類算法。其中，重點研究了稀疏子空間聚類算法。

2、
　　稀疏子空間聚類算法(Sparse Subspace Clustering)SSC在高維數(shù)據(jù)聚類方面比其他方法效果優(yōu)異，并能夠直接處理數(shù)據(jù)集里的噪聲、缺失值和特異值，是高維數(shù)據(jù)聚類算法里的佼佼者。本文針對稀疏子空間聚類算法中權(quán)重矩陣構(gòu)建方法，提出了新的見解，并對算法做出了改進(jìn)。代替原有方法中只使用單一的稀疏系數(shù)，我們的方法利用數(shù)據(jù)對象的稀疏表示向量的相似度構(gòu)建權(quán)重矩陣。此方法考慮到使用兩個數(shù)據(jù)對象的解系數(shù)向量的全部信息來分析這