类属型数据核子空间聚类算法

摘要：

现有的类属型数据子空间聚类方法大多基于特征间相互独立假设,未考虑属性间存在的线性或非线性相关性.提出一种类属型数据核子空间聚类方法.首先引入原作用于连续型数据的核函数将类属型数据投影到核空间,定义了核空间中特征加权的类属型数据相似性度量.其次,基于该度量推导了类属型数据核子空间聚类目标函数,并提出一种高效求解该目标函数的优化方法.最后,定义了一种类属型数据核子空间聚类算法.该算法不仅在非线性空间中考虑了属性间的关系,而且在聚类过程中赋予每个属性衡量其与簇类相关程度的特征权重,实现了类属型属性的嵌入式特征选择.还定义了一个聚类有效性指标,以评价类属型数据聚类结果的质量.在合成数据和实际数据集上的实验结果表明,与现有子空间聚类算法相比,核子空间聚类算法可以发掘类属型属性间的非线性关系,并有效提高了聚类结果的质量.

关键词：聚类、类属型数据、核方法、非线性度量、子空间

所属期刊栏目：31

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;福建省科技厅项目;福建师范大学创新团队项目

在线出版日期：2020-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：3492-3505