10.11772/j.issn.1001-9081.2014.08.2279
优化子空间的高维聚类算法
针对当前大多数典型软子空间聚类算法未能考虑簇类投影子空间的优化问题,提出一种新的软子空间聚类算法.该算法将最大化权重之间的差异性作为子空间优化的目标,并提出了一个量化公式.以此为基础设计了一个新的优化目标函数,在最小化簇内紧凑度的同时,优化每个簇所在的软子空间.通过数学推导得到了新的特征权重计算方法,并基于k-means算法框架定义了新聚类算法.实验结果表明,所提算法对子空间的优化降低了算法过早陷入局部最优的可能性,提高了算法的稳定性,并且具有良好的性能和聚类效果,适合用于高维数据聚类分析.
高维数据、聚类、子空间优化、特征权重、差异
34
TP181(自动化基础理论)
国家自然科学基金资助项目61175123;深圳市基础研究重点项目JCYJ20120617120716224
2014-10-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
2279-2284