已閱讀1頁，還剩51頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、高維數(shù)據(jù)通常有幾十甚至成百上千個屬性，而很多高維數(shù)據(jù)的類僅存在子空間內(nèi)。子空間聚類算法嘗試在數(shù)據(jù)集的不同子空間上探測和發(fā)現(xiàn)有意義的簇類。
一種新的高維數(shù)據(jù)子空間聚類算法SCA[1]（SCA，subspace clustering through attribute clustering）無需多次遍歷數(shù)據(jù)集，就可以快速找到高維興趣度子空間的候選集，然后進行子空間簇聚類。該算法在去除冗余屬性基礎(chǔ)上，提出一種關(guān)系函數(shù)的計算方法來
2、度量任意2個非冗余屬性的相關(guān)關(guān)系；SCA算法在關(guān)系矩陣上進行屬性聚類，避免了分層次搜索的時間開銷，能夠快速找到高維興趣度子空間的候選集。SCA算法的效率和子空間簇的尋找能力均優(yōu)于傳統(tǒng)經(jīng)典子空間聚類算法CLIQUE[3]。
本文在SCA算法及其改進算法[2]研究成果基礎(chǔ)上，發(fā)現(xiàn)對分別具有密集單元格連續(xù)分布與分散分布二種特征的二維子空間屬性相關(guān)性度量值進行區(qū)分時，SCA算法及其改進算法存在屬性相關(guān)性度量值區(qū)分度不夠明顯的局限性
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于屬性相關(guān)度的子空間聚類算法.pdf
- 高維數(shù)據(jù)子空間聚類算法研究.pdf
- 高維分類屬性的子空間聚類算法研究.pdf
- 高維數(shù)據(jù)集的子空間聚類算法研究.pdf
- 高維數(shù)據(jù)子空間聚類研究.pdf
- 基于粒子群算法的高維數(shù)據(jù)子空間聚類算法.pdf
- 面向高維數(shù)據(jù)的子空間聚類算法研究.pdf
- 高維分類型數(shù)據(jù)子空間聚類算法研究.pdf
- 基于子空間的高維數(shù)據(jù)流聚類算法研究.pdf
- 子空間高維聚類算法的研究.pdf
- 基于信息熵的高維分類型數(shù)據(jù)子空間聚類算法研究.pdf
- 基于子空間聚類的文本相關(guān)性研究.pdf
- 礦井瓦斯參數(shù)與地震屬性相關(guān)性分析.pdf
- 基于信息熵的高維分類型數(shù)據(jù)子空間聚類.pdf
- 利用子空間聚類算法分析基因芯片數(shù)據(jù).pdf
- 基于屬性相關(guān)分析的局部離群數(shù)據(jù)挖掘算法研究及其應(yīng)用.pdf
- 基于模型的半監(jiān)督子空間聚類算法分析.pdf
- 基于稀疏子空間的高維數(shù)據(jù)聚類關(guān)鍵技術(shù)研究與應(yīng)用.pdf
- 基于GPU的數(shù)據(jù)流聚類及相關(guān)性分析.pdf
- 高維海量數(shù)據(jù)聚類算法研究.pdf
評論
0/150
提交評論