| 子空间聚类改进算法研究综述 |
| |
| 引用本文： | 李霞,徐树维.子空间聚类改进算法研究综述[J].计算机仿真,2010,27(5):174-177. |
| |
| 作者姓名： | 李霞 徐树维 |
| |
| 作者单位： | 1. 同济大学建筑与城市规划学院,上海,200092;河南大学计算中心,河南,开封,475001
2. 河南大学计算中心,河南,开封,475001 |
| |
| 基金项目： | 河南省教育厅自然科学研究计划项目(2009B50004) |
| |
| 摘 要： | 高维数据聚类是聚类技术的难点和重点,子空间聚类是实现高维数据集聚类的有效途径。CLIQUE算法是最早提出的基于密度和网格的子空间聚类算法,自动子空间聚类算法的实用性和高效性,带来了子空间聚类算法的空前发展。深入分析CLIQUE算法的优点和局限性;介绍了一些近几年提出的子空间聚类算法,并针对CLIQUE算法的局限性作了改进,聚类的效率和精确性得到了提高;最后对子空间聚类算法的发展趋势进行了讨论。
|
| 关 键 词： | 数据挖掘 聚类 高位数据集 子空间 |
Summary of Subspace Clustering Algorithms Research Based on CLIQUE |
| |
| LI Xia,XU Shu-Wei.Summary of Subspace Clustering Algorithms Research Based on CLIQUE[J].Computer Simulation,2010,27(5):174-177. |
| |
| Authors: | LI Xia XU Shu-Wei |
| |
| Affiliation: | 1.College of Architecture and Urban Planning/a>;Tongji University/a>;Shanghai 200092/a>;China/a>;2.Computer Center/a>;Henan University/a>;Kaifeng Henan 475001/a>;China |
| |
| Abstract: | The clustering of high dimensional data is a key problem in clustering methods.Subspace clustering is an effective approach to realize clustering in high dimensional data.As a pioneer density and grid based clustering algorithm,CLIQUE algorithm has,with its practicality and high efficiency,greatly facilitated the development of subspace clustering algorithm.?This paper?analyzes in depth the advantages and limitations of CLIQUE algorithm and introduces several subspace clustering algorithms?put forward in re... |
| |
| Keywords: | Data mining Clustering High dimensional datasets Subspace |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
