文献类型：期刊文章

作　　者：陈黎飞[1] 郭躬德[1] 姜青山[2]

机构地区：[1]福建师范大学数学与计算机科学学院,福建福州350108 [2]厦门大学软件学院,福建厦门361005

出　　处：《软件学报》

基　　金：国家自然科学基金No.10771176;福建省自然科学基金No.2009J01273;国家教育部留学回国人员科研启动基金No.[2008]890;福建省省属高校科研专项重点项目No.JK2009006

年　　份：2010

卷　　号：21

期　　号：10

起止页码：2513-2523

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20104813430533)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：软子空间聚类是高维数据分析的一种重要手段.现有算法通常需要用户事先设置一些全局的关键参数,且没有考虑子空间的优化.提出了一个新的软子空间聚类优化目标函数,在最小化子空间簇类的簇内紧凑度的同时,最大化每个簇类所在的投影子空间.通过推导得到一种新的局部特征加权方式,以此为基础提出一种自适应的k-means型软子空间聚类算法.该算法在聚类过程中根据数据集及其划分的信息,动态地计算最优的算法参数.在实际应用和合成数据集上的实验结果表明,该算法大幅度提高了聚类精度和聚类结果的稳定性.

关 键 词：聚类 高维数据 子空间 特征加权 自适应性

分 类 号：TP391.41]