一种高维空间数据的子空间聚类算法  

A subspace clustering algorithm for high dimensional spatial data

作　　者：王生生[1] 刘大有[1] 曹斌[1] 刘杰[1] 

机构地区：[1]吉林大学计算机科学与技术学院,吉林长春130012

出　　处：《计算机应用》2005年第11期2615-2617,共3页journal of Computer Applications

基　　金：国家自然科学基金重大项目(60496321);国家自然科学基金资助项目(60373098;60173006);国家863计划项目(2003AA118020);吉林省科技发展计划重大项目(20020303);吉林省科技发展计划项目(20030523)

摘　　要：传统网格聚类方法由于没有考虑到相邻网格内的数据点对考查网格的影响,存在不能平滑聚类以及聚类边界判断不清的情况。为此提出了一种高维空间数据的子空间聚类算法,扩展了相邻聚类空间。实验结果显示,克服了传统聚类的不平滑现象,使聚类边界得以很好的处理。Traditional grid clustering methods fail to consider the affect of neighbored grids, and may result in unsmoothed clustering, wrong judgement of clustering boundary, etc. A subspace clustering algorithm for high dimensional spatial data was proposed, which added the affect of neighbored grids when clustering. Experiment results show that this algorithm conquers the unsmoothed clustering and deals with clustering boundary well.

关 键 词：网格聚类 高维空间聚类 空间数据挖掘 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]