學習筆記，僅供參考，有錯必究

---

面向高維數據的聚類算法研究

摘要

隨著信息技術的發展，數據的維度在不斷增加，傳統的聚類算法將面臨以下挑戰和問題：

• 高維數據包含大量冗余的、不相干的信息，數據之間的差異性可能是由部分特征子集導致的，直接對高維數據進行聚類，會降低算法的性能；
• 高維數據通常存在于多個低維子空間中，傳統的距離度量方式不再適用于高維數據;
• 傳統的聚類算法本身就存在穩定性較差的問題，對于高維數據，更是難以滿足高穩定性的需求.

因此，研究面向高維數據的聚類算法是一項非常有意義并且有挑戰的課題。近年來，學者們主要從特征選擇、子空間聚類、聚類集成三個方面開展了高維數據聚類算法的研究，提出了許多有效的聚類算法，但仍存在以下問題：

• 對特征之間的相關性利用不充分;
• 忽略了噪聲以及表達矩陣的結構特性對子空間聚類的影響;
• 忽略了初始聚類結果所包含子類之間的結構信息和判別性信息.

針對上述問題，本文從四個方面開展了高維數據聚類算法的研究，主要的研究內容和貢獻點如下：

• 基于結構

總結

以上是生活随笔為你收集整理的文献记录(part15)--面向高维数据的聚类算法研究的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。