基于熵的平衡子空间K-means算法

摘要：

在许多数据挖掘的实际应用中要求每一个类别的实例数量相对平衡.而独立子空间聚类的熵加权K-means算法(EWKM)会产生不均衡的划分,聚类质量很差.本文定义了一种兼顾平衡划分与特征分布的多目标熵,然后应用该熵改进了 EWKM算法的目标函数,同利用迭代方法和交替方向乘子法设计其求解流程,并提出基于熵的平衡子空间K-means算法(EBSKM).最后,在UCI、UCR等公开数据集进行聚类实验,结果表明所提算法在准确率和平衡性方面都优于同类算法.

关键词：子空间聚类、平衡聚类、特征加权、K-means

所属期刊栏目：31

分类号：TP391.41;O157.5;O224

资助基金：福建省自然科学基金项目2018J01794

在线出版日期：2023-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：266-272