基于信息熵的高維分類型數(shù)據(jù)子空間聚類.pdf

1、隨著大規(guī)模數(shù)據(jù)存儲技術(shù)、信息技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，人們正陷入數(shù)據(jù)泛濫、知識貧乏的境地。為滿足日益增長的信息需求，聚類分析作為一種主要的數(shù)據(jù)挖掘技術(shù)已經(jīng)應(yīng)用到各種領(lǐng)域之中。現(xiàn)有的算法大多是處理低維的數(shù)據(jù)，然而對于高維數(shù)據(jù)，這些算法往往不能取得令人滿意的效果，特別是高維分類型數(shù)據(jù)，這是由高維分類型數(shù)據(jù)分布的復(fù)雜性及其特性導(dǎo)致的，現(xiàn)有的聚類算法滿足不了處理高維分類型數(shù)據(jù)的需求。
　　子空間聚類是一種將搜索局部化在相關(guān)維上進行的聚類算法,

2、它有效的克服了數(shù)據(jù)集因維度過高引起的一系列問題。本文針對高維分類型數(shù)據(jù),提出了一種自底向上的子空間層次聚類算法,該算法在基于信息熵的意義上能夠準(zhǔn)確的搜索簇的子空間,通過維護一個最相似線性表(MSLL)在全局范圍內(nèi)進行簇的合并,以此保證每次所進行的簇合并都是最優(yōu)的。在進行簇之間相似度的計算時采用了一種優(yōu)化策略,讓每個簇維護一張屬性信息表為相似度的計算提供數(shù)據(jù)支持,大大減少了相似度計算的復(fù)雜度。通過Zoo，Soybean和Vote三個典型的