%0 Journal Article
%T 一种基于属性相关度的子空间聚类算法
%A 亢红领
%A 徐淑珍
%A 李明楚
%A 焦栋
%A 郭成
%J 中山大学学报（自然科学版）
%D 2015
%X 摘要 与在所有特征空间寻找聚类不同,子空间聚类的目标是找到嵌在不同子空间的簇,是实现高维数据聚类的有效途径.传统聚类算法主要采用基于距离测量的方法进行聚类,难以处理高维数据.提出一种能够处理高维数据的子空间聚类算法(Attribute relevancy-based subspace clustering algorithm,ARSUB),将属性转化为频繁模式中的项集,将聚类问题转化为频繁模式挖掘问题,然后基于项目对间强相关的关系建立关系矩阵,以衡量任意两个项集之间的相关度,进而得到强相关的候选子空间.最后利用候选子空间进行聚类得到存在于不同子空间中的簇.在合成数据集与真实数据集的实验结果表明,这种方法具有较高的准确度和效率
%K 数据挖掘
%K 子空间聚类
%K FP 树
%K 相关性
%U http://xwxt.sict.ac.cn/CN/abstract/abstract2596.shtml