10.3778/j.issn.1673-9418.2010.11.007
k-means型软子空间聚类算法
软子空间聚类是聚类研究领域的一个重要分支和研究热点.高维空间聚类以数据分布稀疏和"维度效应"现象等问题而成为难点.在分析现有软子空间聚类算法不足的基础上,引入子空间差异的概念;在此基础上,结合簇内紧凑度的信息来设计新的目标优化函数;提出了一种新的k-means型软子空间聚类算法,该算法在聚类过程中无需设置额外的参数.理论分析与实验结果表明,相对于其他的软子空间算法,该算法具有更好的聚类精度.
高维数据、k均值、软子空间算法、子空间差异
4
TP311(计算技术、计算机技术)
The National Natural Science Foundation of China under Grant No.10771176
2010-12-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
1019-1026