高維數(shù)據(jù)子空間聚類研究.pdf

1、隨著大規(guī)模數(shù)據(jù)收集技術(shù)、存儲(chǔ)技術(shù)、網(wǎng)絡(luò)技術(shù)以及信息技術(shù)的發(fā)展，越來(lái)越多的企業(yè)、組織和個(gè)人正逐步陷入數(shù)據(jù)泛濫但知識(shí)匱乏的困境中，聚類分析已經(jīng)成為從大量冗余數(shù)據(jù)中提取有用信息的主要手段之一。目前，針對(duì)低維單類型數(shù)據(jù)的聚類算法研究已經(jīng)相當(dāng)成熟，但是，受“維度災(zāi)”的影響，許多針對(duì)低維數(shù)據(jù)的聚類算法往往不能應(yīng)用于高維數(shù)據(jù)，尤其是對(duì)于混合型數(shù)據(jù)尤其明顯。然而，在信息爆炸的今天，現(xiàn)實(shí)生活中高維數(shù)據(jù)又普遍存在，而且呈現(xiàn)逐步增多的趨勢(shì)，比如：基因數(shù)據(jù)、網(wǎng)

2、頁(yè)數(shù)據(jù)、文本數(shù)據(jù)、多媒體數(shù)據(jù)、金融數(shù)據(jù)等，因此找到一種相對(duì)通用的聚類算法用于高維數(shù)據(jù)的聚類工作有著非常重要的現(xiàn)實(shí)意義，尤其是對(duì)高維分類型數(shù)據(jù)和高維混合型數(shù)據(jù)。
　　針對(duì)這些問(wèn)題，提出了一種子空間聚類算法，該算法綜合考慮特征子空間和噪聲子空間的信息，從而得到一個(gè)有效的子空間的自動(dòng)搜索方式；進(jìn)而又提出了一種的能應(yīng)用于混合型數(shù)據(jù)的相似度的度量方式，設(shè)計(jì)出了一種具有較好通用型的聚類算法，對(duì)高維數(shù)據(jù)進(jìn)行聚類，該算法能同時(shí)應(yīng)用于分類型數(shù)據(jù)、數(shù)