%0 Journal Article
%T 自适应的软子空间聚类算法
%A 陈黎飞？
%A 郭躬德？
%A 姜青山？
%J 软件学报
%P 2513-2523
%D 2010
%X 软子空间聚类是高维数据分析的一种重要手段.现有算法通常需要用户事先设置一些全局的关键参数,且没有考虑子空间的优化.提出了一个新的软子空间聚类优化目标函数,在最小化子空间簇类的簇内紧凑度的同时,最大化每个簇类所在的投影子空间.通过推导得到一种新的局部特征加权方式,以此为基础提出一种自适应的k-means型软子空间聚类算法.该算法在聚类过程中根据数据集及其划分的信息,动态地计算最优的算法参数.在实际应用和合成数据集上的实验结果表明,该算法大幅度提高了聚类精度和聚类结果的稳定性.
%K 聚类
%K 高维数据
%K 子空间
%K 特征加权
%K 自适应性
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=3763&flag=1