-
题名基于粗糙集的高维分类型数据子空间聚类算法
- 1
-
-
作者
孙浩军
游俊斌
吴廷发
-
机构
汕头大学工学院
-
出处
《汕头大学学报（自然科学版）》
2012年第4期46-53,共8页
-
基金
国家自然科学基金资助项目(61170130)
-
文摘
现有的优秀的聚类算法大多是处理低维数据的,但是对于高维数据,由于其分布特性与低维情形有很大的差异,这些算法失效.为解决高维分类型数据聚类问题,提出了一种基于粗糙集的高维分类型数据子空间聚类算法,基于粗糙集的上、下近似集的类边界描述,确定了类边界范围,然后采用相容度来调整类边界,聚类的过程采用增长子空间的思想,从低维到高维迭代地搜子空间类簇.最后通过在soybean、zoo数据集上的对比实验,实验结果表明了算法不仅可行,而且精度高.
-
关键词
高维分类型数据
增长子空间
粗糙集
聚类
-
Keywords
high dimension categorical data
growth subspace
information entropy
rough set
clustering
-
分类号
TP306.1
[自动化与计算机技术—计算机系统结构]
-
