基于clique的聚类算法研究

《基于clique的聚类算法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第!+卷第*期华东交通大学学报TP?)!+BP)*!""#年’"月OPG=J7?PQ27:H-;IJ7OI7PHPJ<1JIR9=:IHSDUH)，!""#文章编号：’""*$"*!+（!""#）"*$""%&$",基于-./012的聚类算法研究付淇，李正凡（华东交通大学信息工程学院，江西南昌++""’+）摘要：聚类分析是数据挖掘研究领域中一个非常活跃的研究课题)本文重点分析了高维度数据的自动子空间聚类算法（-./012）及其各类改进算法，并对其未来发展方向进行了简要展望)关键词：数据挖掘；聚类；-./012；子空间中图分类号：34+’’文献标识码：5

2、的新路)!引言本文不同于其它类似文章仅限于对聚类算法作总体性的逐个论述，它按照-./012聚类算法的聚类分析是数据挖掘中的核心技术，聚类在电发展脉搏的主线，以其算法的局限性为依据，比较子商务、图像处理、模式识别、文本分类等领域有广全面地对各类改进算法进行分析比较，并给出了比［’］泛的应用)所谓聚类，就是将一个数据单位的集较的结果，使用户对各类算法的优缺点更清楚，使合分割成几个称为簇或类别的子集，每个类中的数用更明确，并对其未来的发展方向进行了展望)据都有相似性，它的划分依据就是“物以类聚”)一"高维度数据的自动子空间聚类算法个好的聚类算法应具有处理不同

3、类型属性的能力，（-./012）并能识别任意形状的聚类，自动清除孤立点（孤立点指没有包含在任何聚类中的空间对象）)它对数")!-./012算法概述［!］据的输入顺序不敏感，随输入数据的大小线性地扩-./012（-?G:H9=IJ

4、新新的算理想结果与所给的输入数据无关，并且对数据的分法)然而处理大量的高维数据一直是聚类所困挠的布没有任何的数学假设)自动的高维空间子空间聚问题)6789:;5<=7>7?等在’&&(年提出的对高维数类问题可以描述如下：给定一个数据对象（记录）的［!］集合F，参数和"，在!维空间的所有子空间中进据的自动子空间聚类算法（-./012）有效的解决!了这个难题，但其算法本身的局限性使聚类数据仍行聚类，并对每个类给出FBA形式的最精简描述)然面临新的问题，一些新的技术，如取样技术、浓缩-./012算法自动标识高维空间的子空间，使得技术、边界调整技术、树型空间索

5、引技术、小波变换在该子空间中数据能够很好地聚类)所有搜索限制技术和细化的技术逐渐应用到该算法中)一些性能在原始空间的子空间中，而不是引入新的维度，这较优的改进算法也相继提出，如@5A/5，2B-.1C，有利于产生可解释的聚类结果)-DB$-./012，-EF-4等，它们开辟了-./012聚类-./012算法采用了基于网格和密度的方法)首收稿日期：!""#$"%$!&作者简介：付淇（’&%($）女，江西临川人，华东交通大学硕士研究生，主要研究方向为数据挖掘)万方数据NM华东交通大学学报6MMO年先对每个属性进行!等分，整个数据空间就被划分012345的一

6、些改进研究，如改进压缩技术的9&:2&为一个超长方体集合，对每个单元进行数据点计算法、基于熵的比较的5;014<算法、处理高维数据数，大于某个阈值"的单元称为稠密单元，然后对稠的=’.)>()?算法和=@014<算法、带约束条件的数密单元进行连接就构成类!不同于其它方法，它可据聚类0=;$012345算法、以及凝聚点的快速聚以自动地识别嵌入在数据子空间中的类!类算法0>#0A等等，对于更有效聚类数据开辟了新定理"（反单调性质）如果点集#在!维空路!下面对这些算法作简要的分析：间中是一个类，那么#在任何（!$%）维空间中的投"!#9&:2&算法［7］影也

7、构成一个类!>*)"

8、边界并非像012345那么严格，因此，得到的簇的联规则的&’()*()算法!一个+",-./(