高维分类属性的子空间聚类算法

摘要：

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.

关键词：分类属性、子空间聚类、频繁模式、FP.树

所属期刊栏目：30

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目70671016,60673066

在线出版日期：2009-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2016-2021