高維聚類算法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘領(lǐng)域中一項重要的研究內(nèi)容,其目標(biāo)是在沒有任何先驗知識的前提下,根據(jù)數(shù)據(jù)之間的距離(歐式距離、曼哈頓距離等)或者相似性將數(shù)據(jù)對象劃分為不同的簇(類),使得相同簇中的元素盡可能相似,不同簇中的元素差別盡可能的大。聚類已經(jīng)在信息過濾、資料自動分類、市場分析等領(lǐng)域得到了廣泛的應(yīng)用。高維聚類作為聚類中一項新的任務(wù)已經(jīng)引起了研究人員的廣泛關(guān)注,由于高維數(shù)據(jù)所特有的“稀疏性”和“維度效應(yīng)”,傳統(tǒng)的聚類算法在處理高維數(shù)據(jù)時效率往往很低

2、甚至失效。而現(xiàn)實生活中又存在著大量的高維數(shù)據(jù),如零售交易數(shù)據(jù)、文檔數(shù)據(jù)、空間數(shù)據(jù)、地理數(shù)據(jù)、多媒體數(shù)據(jù)、網(wǎng)絡(luò)訪問數(shù)據(jù)、時間序列數(shù)據(jù)、基因數(shù)據(jù)等都可以達(dá)到成百上千維,甚至更高。由于高維數(shù)據(jù)的普遍性,因此研究針對高維數(shù)據(jù)的聚類算法具有非常重要的意義。
　　 本文在對現(xiàn)有高維聚類算法進(jìn)行了深入研究的基礎(chǔ)上,提出了一種基于相似維的高維子空間聚類算法SDSCA。算法首先通過Gini值來刪除原高維數(shù)據(jù)空間中的冗余屬性,然后運用相似維來尋找彼