基于投影的聚類算法研究及應用.pdf

1、隨著信息技術飛速發(fā)展，在信息處理過程中，人們發(fā)現(xiàn)信息的數(shù)據量越來越大龐大。如何從大量的信息數(shù)據中獲取人們所需要的知識?如：數(shù)據的分布，數(shù)據發(fā)展趨勢等等，因而聚類作為一門數(shù)據分析工具也就應運而生，所謂聚類就是將物理或抽象對象的集合組成由類似的對象構成的多個類或簇的過程。目的是使得屬于同一類別的個體之間的差別盡可能的小而不同類別的個體之間的差別盡可能的大。 目前聚類分析中大部分聚類算法都是針對低維數(shù)據的，而現(xiàn)實中涉及到信息處理數(shù)據大

2、部分都是高維的，這就向傳統(tǒng)的聚類算法提出了挑戰(zhàn)。文獻[2]中提到，用傳統(tǒng)的聚類算法如K-Means和K-Medoid方法直接處理這些高維數(shù)據效果非常不理想，于是人們采用“特征提取”方法來降低數(shù)據集的維度，例如PCA算法，但這種降維方法很容易導致數(shù)據的信息丟失。最近的研究表明，在特定條件下高維數(shù)據的聚類都隱含在低維的子空間內，如何找出這些有效的低維子空間?Agrawal等人提出了投影聚類方法。 投影聚類是把數(shù)據集通過映射變換投影到

3、低維子空間內，然后借助各種方法劃分出該子空間內的聚類，能夠有效的降低數(shù)據集的維度，同時減少數(shù)據處理的復雜度。現(xiàn)有的投影聚類算法有：CLIQUE，PROCLUS，ORCLUS和EPCH等。CLIQUE算法是首次涉及投影聚類與子空間問題，但是該算法要求子空間的延伸方向必須要與坐標軸平行，并且還需要用同一個極限值來劃分不同投影維度的子空間，這顯然是不合理的；而PROCLUS和ORCLUS算法則主要通過尋找中心點來得到投影聚類和它們相關的子空間

4、。PROCLUS要求發(fā)現(xiàn)投影的子空間延伸方向必須與平行，但ORCLUS算法沒此限制，可以是任意延伸方向的子空間。EPCH算法也是用來解決同樣的問題，但它與前幾個算法相比不僅復雜性降低了，而且有效性和精確性有很大的改進。通過分析EPCH算法，結合投影聚類的思想，我們采用不同的方法來劃分子空間，提出了兩個改進算法，分別是： 1)基于Paten窗的投影聚類方法：該方法用投影聚類將高維數(shù)據投影到低維子空間，再用概率密度估計函數(shù)Parze