文献类型：期刊文章

作　　者：王继奎[1] 杨正国[1] 易纪海[1] 刘学文[1] 王会勇[2] 聂飞平[3]

WANG Jikui;YANG Zhengguo;YI Jihai;LIU Xuewen;WANG Huiyong;NIE Feiping(College of Information Engineering, Lanzhou University of Finance and Economics, Lanzhou, Gansu 730020, China;School of Mathematics and Computing Science, Guilin University of Electronic Technology, Guilin, Guangxi 541004, China;School of Computer Science and Center for Optical Imagery Analysis and Learning (OPTIMAL)

机构地区：[1]兰州财经大学信息工程学院,甘肃兰州730020 [2]桂林电子科技大学数学和计算科学学院,广西桂林541004 [3]西北工业大学光学影像分析与学习中心,陕西西安710119

出　　处：《复旦学报（自然科学版）》

基　　金：国家自然科学基金面上项目(61772427);国家自然科学基金地区项目(61962012);甘肃省高等学校创新能力提升项目(2019B-97);兰州财经大学校级重点项目(Lzufe2020B-0010)。

年　　份：2020

卷　　号：59

期　　号：6

起止页码：725-733

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：降维作为聚类问题的关键预处理步骤被用来抽取高维数据潜在的低维子空间结构.面对高维数据聚类,传统的策略是首先采用降维技术提取高维数据嵌入在低维空间的潜在数据结构,然后利用一个聚类算法完成数据聚类.然而,这种两阶段优化策略的聚类性能往往不如直接优化统一的目标函数.因此,在模糊聚类算法的基础上,本文提出了一种稀疏约束的嵌入式模糊均值聚类算法(EFSC),该方法结合线性正交投影技术在对高维数据降维的同时完成聚类.EFSC模型对模糊矩阵施加了稀疏约束来提升聚类性能.理论分析与实验结果证明了本文提出的EFSC算法的有效性.

关 键 词：高维数据 降维 模糊聚类 稀疏约束  

分 类 号：TP391]