子空間聚類集成的關鍵技術研究.pdf

1、子空間聚類算法能有效減少數(shù)據(jù)冗余和不相關屬性對聚類過程的干擾，從而提高在高維數(shù)據(jù)集上的聚類效果。已有的子空間聚類算法主要強調在各個子空間中簇的發(fā)現(xiàn)，通常忽略了子空間的劃分。高維數(shù)據(jù)中，子空間劃分的正確與否，直接影響到高維數(shù)據(jù)聚類正確率的高低，因此想要提升高維數(shù)據(jù)的聚類準確率，就必須采用正確的子空間劃分方法來對高維數(shù)據(jù)進行子空間劃分。
　　本論文提出了兩種劃分數(shù)據(jù)子空間的方法，第一種是基于最小冗余特征子集的子空間劃分法，第二種是基于

2、屬性最大間隔的子空間劃分法。基于最小冗余特征子集的子空間劃分法是在K-means算法的基礎上改進的，將計算數(shù)據(jù)特征變量間的互信息替換K-means算法中計算數(shù)據(jù)特征變量間的距離，根據(jù)數(shù)據(jù)特征變量間互信息值的大小來對數(shù)據(jù)進行子空間劃分，用這種方法劃分出來的子空間叫做最小冗余特征子集。
　　基于屬性最大間隔的子空間劃分法是通過計算數(shù)據(jù)兩兩屬性間的互信息，然后將屬性間的互信息值歸一化后構建一個特征矩陣。得到特征矩陣后，再利用網(wǎng)格劃分法將

3、特征矩陣劃分成不同的子塊，通過搜索子塊中互信息的最大值得到數(shù)據(jù)集中兩個屬性變量之間的最大信息系數(shù)，最大信息系數(shù)體現(xiàn)了兩個屬性之間關聯(lián)性的大小，關聯(lián)性越大，屬性間間隔越小，關聯(lián)性越小，屬性間間隔越大，因此在得到最大信息系數(shù)后，我們就可以利用最大間隔原理來對數(shù)據(jù)集進行子空間劃分。
　　最后，通過實驗驗證本論文提出的兩種子空間劃分方法的有效性，采用UCI和NIPS2003比賽等數(shù)據(jù)來進行實驗，實驗結果表明，在大多數(shù)數(shù)據(jù)上采用基于最小冗余