自适应子空间选择方法研究

摘要：

由于维数灾难的原因，高维空间的数据聚类是一个具有挑战性的问题。文中提出了一种自适应子空间选择的方法来解决这一难题。该方法采用局部线性嵌入的方法将高维数据映射到低维子空间上，然后采用两步迭代的方法自适应地选择最具有判别力的子空间：固定子空间不变，用K-均值聚类的方法产生类别的标号；固定类别的标号不变，用线性判别分析的方法将样本映射到低维子空间进行子空间选择。通过反复迭代，样本在低维子空间进行有效聚类而避免了维数灾难，同时子空间自适应地调整到全局最优。大量的实验结果表明，该方法聚类效果优于传统的K-均值聚类。

关键词：子空间选择、线性判别分析、K-均值聚类

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目11001212;国家磷资源开发利用工程技术研究中心开放基金2012国磷k005;武汉工程大学博士起动基金12106021

在线出版日期：2013-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：83-86