高維分類型數(shù)據(jù)子空間聚類算法研究.pdf

1、隨著大規(guī)模數(shù)據(jù)存儲技術、信息技術和網(wǎng)絡技術的發(fā)展,人們正陷入數(shù)據(jù)泛濫、知識貧乏的境地。為滿足日益增長的信息需求,聚類分析作為一種主要的數(shù)據(jù)挖掘技術已經(jīng)應用到各種領域之中?，F(xiàn)有的算法大多是處理低維的數(shù)據(jù),其中不乏各種優(yōu)秀的聚類算法,并且已經(jīng)得到很好的應用。然而現(xiàn)有的技術雖然已經(jīng)成功的解決了較低維數(shù)據(jù)的聚類問題,但是對高維數(shù)據(jù),特別是高維分類型數(shù)據(jù),由于其分布特性與低維情況相比有很大的差異,以及分類型數(shù)據(jù)的特殊性,使得現(xiàn)有聚類算法無法滿足處

2、理高維分類型數(shù)據(jù)的要求。
　　為解決高維分類型數(shù)據(jù)聚類問題,本文提出了一種基于信息熵和粗糙集的高維分類型數(shù)據(jù)子空間聚類算法(ERSC:An algorithm based on entropy and rough set for high dimensional categorical clustering),采用基于信息熵的特征選取實現(xiàn)了高維空間的有效降維,從而顯著的提高了聚類效率,基于粗糙集的上、下近似集的類邊界描述,確定了類