孙浩军，闪光辉，高玉龙，袁 婷，吴云霞

汕头大学 工学院，广东 汕头 515063

高维分类型数据加权子空间聚类算法

孙浩军，闪光辉，高玉龙，袁 婷，吴云霞

汕头大学 工学院，广东 汕头 515063

聚类就是将物理或抽象的数据集合分成相似的对象类的过程，每一个类都是一个彼此相似的对象的集合，每一个对象与属于同一个类中的对象彼此相似，而与其他类中的对象相异[1]；聚类是理解数据库中数据结构的一种重要手段，它在机器学习、模式识别、数据挖掘、信息检索等方面都扮演着重要角色[2]，研究者们已经提出多种数据聚类算法[3-5]，然而在现实生活中，好多数据都拥有很高的维度，由于低维数据与高维数据在很多地方都表现出很大的不同，比如高维数据的稀疏型和“维度效应”[6]等，当用传统的方法对高维数据聚类时，算法的有效性就大为降低，这也就成为目前聚类研究中的难题之一。

高维数据中往往有许多无关的属性或者是相关性特别小的属性，它们对聚类过程带来的噪声信息往往比带来的有用信息还要多。在高维数据聚类中，尤其是在高维稀疏型数据集中，较密集的簇主要集中在一些低维子空间中，并且不同的簇往往与不同的子空间相关联[7]，子空间聚类算法[8]的提出在一定程度上解决了这一问题。

根据加权方式的不同，子空间聚类可以分为软子空间（soft subspace）和硬子空间（hard subspace）聚类两种[9]。软子空间又可称为加权子空间，它给子空间的维度赋予[0，1]的权值，表示该维度与该簇的关联程度；……