摘 要: | 由于维数灾难的原因,高维空间的数据聚类是一个具有挑战性的问题. 本文提出了一种自适应子空间选择的方法来解决这一难题.该方法采用局部线性嵌入的方法将高维数据映射到低维子空间上,然后采用两步迭代的方法自适应的选择最具有判别力的子空间:1)固定子空间不变,用 -均值聚类的方法产生类别的标号;2)固定类别的标号不变,用线性判别分析的方法将样本映射到低维子空间进行子空间选择. 通过反复迭代,样本在低维子空间进行有效聚类而避免了维数灾难,同时子空间自适应的调整到全局最优.大量的实验结果表明,该方法聚类效果优于传统的 -均值聚类.最后指出该方法的不足和进一步的研究方向.
|