针对高维数据的动态网格子空间聚类算法HDGCLUS

摘要 目前涌现出大量高维的基因表达数据、图像、文本数据，高维数据对传统的聚类分析方法提出挑战.CLIQUE是最早提出在子空间中搜索稠密簇的聚类算法，它综合了基于网格聚类和基于密度聚类的算法特点，从单一维度开始自底向上地搜索子空间中的簇.但由于算法复杂度与参数敏感度较高，同时它采用的固定网格划分、MDL剪枝等技术，容易破坏密集区域的边缘或者丢失一些有用信息，使得算法在处理高维数据时不能满足效率、准确率等方面的性能要求.本文基于CLIQUE提出了改进的HDGCLUS（High-Dimensional Genomic data subspace CLUStering）算法，HDGCLUS采用基于稀疏区域的动态网格划分技术，实现了网格的动态划分和稠密区域的动态合并，并加入了边界调整技术，减少了初始候选密集单元个数，避免了人工输入网格参数和边界数据信息的丢失，提高了聚类质量和算法效率.同时HDGCLUS采用静态剪枝和信息增量动态剪枝相结合的技术，进一步降低了算法复杂度，优化了算法性能，并在真实数据集上取得良好的实验效果