高维分类属性的子空间聚类算法
高维分类数据的处理一直是数据挖掘研究所面临的巨大挑战.传统聚类算法主要针对低雏连续性数据的聚类,难以处理高维分类属性数据集.本文提出一种处理高维分类数据集的子空间聚类算法(FP-Tree-based SUBspace clustering algorithm,FPSUB),利用频繁模式树将聚类问题转化为寻找属性值的频繁模式发现问题,得到的频繁模式即候选子空间,然后基于这些子空间进行聚类.针对真实数据集的实验结果表明,FPSUB算法比其他算法具有更高的准确度.
分类属性、子空间聚类、频繁模式、FP.树
30
TP301.6(计算技术、计算机技术)
国家自然科学基金项目70671016,60673066
2009-12-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
2016-2021