一种基于海量高维数据的软子空间聚类改进算法  

A new soft subspace clustering algorithm for mass high-dimensional data

作　　者：容会[1] 沈江炎 韩珂[4] 周祖坤[5] 殷洪杰[5] RONG Hui;SHEN Jiang-yan;HAN Ke;ZHOU Zu-kun;YIN Hong-jie(School of Art and Design,Kunming Metallurgy College,Kunming 650033,China;School of Electrical Engineering,Kunming Metallurgy College,Kunming 650033,China;Recruitment and Employment Office,Kunming Metallurgy College,Kunming 650033,China;Computer Technology Application Key Lab of Yunnan Province,Kunming University of Science and Technology,Kunming 650500,China;School of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China)

机构地区：[1]昆明冶金高等专科学校艺术设计学院,云南昆明650033 [2]昆明理工大学云南省计算机技术应用重点实验室,云南昆明650500 [3]昆明理工大学信息工程与自动化学院,云南昆明650500 [4]昆明冶金高等专科学校电气学院,云南昆明650033 [5]昆明冶金高等专科学校招生就业处,云南昆明650033

出　　处：《云南民族大学学报（自然科学版）》2018年第2期125-128,153,共5页Journal of Yunnan Minzu University:Natural Sciences Edition

基　　金：国家自然科学基金(61662088);云南省应用基础研究项目(2013FZ107);昆明冶金高等专科学校科研基金(14B004)

摘　　要：基于加权的软子空间聚类是处理高维数据的一种有效手段,在原有的软子空间聚类算法基础上对目标函数进行改进,从而结出一种新的软子空间聚类算法.相较之原算法,此算法具有更高的抗噪性及聚类效率;通过与典型的软子空间聚类算法比较试验,结果表明可有效提高海量高维数据的聚类处理效率.The weighted soft subspace clustering method is an effective tool to process high-dimensional data.In this paper a new subspace clustering algorithm is proposed by improving the objective function of the original subspace clustering algorithm,and the new algorithm has a good anti-noised performance.Compared with several typical soft subspace clustering algorithms,the experiment results show that the efficiency of mass high-dimensional data clustering is fairly improved.

关 键 词：高维数据 软子空间聚类 特征加权 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]