武政平，荀亚玲

(太原科技大学 计算机科学与技术学院,太原 030024)

聚类分析[1]作为数据挖掘中应用较为广泛的无监督技术之一,被广泛应用于文本挖掘[2]、模式识别[3]和Web搜索[4]等领域。随着大数据涌现,高维数据的聚类成为大家关注的重难点之一,传统聚类分析方法都会受到“维灾”影响,使聚类分析效果较差。子空间聚类作为一类聚类分析方法,选择一些对聚类分析贡献价值高的属性所构成的子空间,并对数据对象之间存在的相似性度量,有效地克服“维灾”的影响[5],提高了聚类效果。

投影聚类作为一类子空间聚类,有效降低了冗余属性或无关属性对聚类分析的影响,但选择簇所在的投影子空间时,未充分考虑各属性维自身所具有的特征,从而降低了聚类分析效率。本文采用高斯混合模型定义下的相关子空间,充分体现了各属性维自身所具有的特征,并提出了一种投影聚类分析算法。

1 相关工作

传统的聚类方法,例如基于划分，基于密度,基于模型等会受到“维灾”影响,不再适用于高维数据集。投影聚类作为一类子空间聚类分析方法,通过将数据集投影到若干属性维构成有意义的低维子空间上,并根据数据间的相似性实现聚类分析[6],有效降低了“维灾”影响,已成为高维数据聚类分析的研究热点之一。

如何寻找簇所在的有意义子空间是投影聚类的难点,目前的典型研究工作为：CLIQUE[7]算法采用密度和网格的思想,可以自动发现聚类簇所在的子空间,但子空间剪枝会丢失部分密集区域。……