子空间聚类算法解析

2017

年2

月 计算机工程与设计 Feb. 2017

第 38

卷第 2

期 COMPUTER ENGINEERING AND DESIGN Vol. 38 No. 2

基于自表征和群组效应的子空间聚类算法

苏毅娟S李永钢2+，杨利锋2,孙可2，罗龚2

(1.广西师范学院计算机与信息工程学院，广西南宁530023;

2.广西师范大学广西多源信息挖掘与安全重点实验室，广西桂林541004)

摘要：为解决目前聚类算法对噪声敏感和缺乏考虑样本间相关性等问题，提出一种充分考虑样本间相关性，使构造的关

联矩阵保持子空间结构的子空间聚类算法。利用

Aa—

norm对每个样本进行自表征；群组效应确保相近样本的自表征系数

亦相近，生成块对角化的样本自表征系数矩阵；根据自表征矩阵得到关联矩阵，在谱聚类模型下实现数据聚类。在

Hop-

kmsl55等数据集上的实验结果表明，在聚类错误率评判标准下，该算法优于现有经典子空间聚类算法

SRC、

SSC等。

关键词：子空间聚类；自表征；群组效应；谱聚类；关联矩阵

中图法分类号：TP181 文献标识号：

A 文章编号：1000-7024 (2017) 02-0534-05

doi

： 10. 16208/

j.

issnl000-7024. 2017. 02. 047

Self-representation and grouping effect for subspace clustering

SU Yi-juan1 ? LI Yong-gang2+ ? YANG Li-feng2 ? SUN Ke2 ? LUO Yan2

(1. College of Computer and Information Engineering, Guangxi Teachers Education University, Nanning 530023, China；

2. Guangxi Key Lab of Multi-Source Information Mining and Security, Guangxi Normal University, Guilin 541004, China)

《基于DBSCAN和相似度的子空间聚类算法研究》篇一

一、引言

随着数据科学的迅速发展，如何对海量数据进行有效、准确、高效的处理已经成为科研和应用领域的核心问题。子空间聚类算法作为一种重要的数据处理手段，在许多领域如图像处理、生物信息学、社交网络分析等得到了广泛应用。本文将重点研究基于DBSCAN（基于密度的带有噪声的空间聚类）和相似度的子空间聚类算法，探讨其原理、应用及优势。

二、DBSCAN算法概述

DBSCAN是一种基于密度的聚类算法，其核心思想是将具有足够高密度的区域划分为簇，并在这些簇中提取出特定的结构信息。该算法通过扫描数据库中的每个点，根据给定的半径ε（称为邻域距离）和最小点数目MinPts（成为邻域中最小点数），来判断并聚类各点。此算法不仅可以对簇内具有紧密度的数据进行有效聚类，同时还能识别出噪声点。

三、基于相似度的子空间聚类

子空间聚类是针对多维数据的一种聚类方法，其基本思想是在数据空间的子集中进行聚类。相似度度量是子空间聚类中非常重要的一个环节，其能够反映数据点之间的紧密程度。基于相似度的子空间聚类算法主要通过对数据进行预处理，如特征选择、降维等，然后在选定子空间上计算数据点间的相似度，并依据相似度进行聚类。

四、DBSCAN与相似度结合的子空间聚类算法

结合DBSCAN的密度信息和相似度度量，可以开发出一种新型的子空间聚类算法。首先，我们利用DBSCAN在数据集上进行初步的密度划分和噪声识别，以得到数据的基本结构和大致的聚类方向。其次，我们利用相似度度量在选定的子空间上对数据进行进一步的细分和聚类。这种结合了DBSCAN的密度信息和相似度度量的子空间聚类算法，能够更准确地反映数据的内在结构，同时提高聚类的效率和准确性。

五、算法应用与优势

该算法在多个领域都有广泛的应用前景。例如，在图像处理中，可以利用该算法对图像进行特征提取和子空间聚类，以实现图像的自动分类和识别；在生物信息学中，可以利用该算法对基因表达数据进行子空间聚类，以发现基因之间的相互作用关系；在社交网络分析中，可以利用该算法对用户行为进行聚类分析，以理解用户的兴趣和行为模式。

龙源期刊网

基于向量空间的文档聚类算法分析

作者：陶惠,张妍,郝光权

来源：《电脑知识与技术》2011年第20期

摘要：随着科技的发展，网络信息迅速增加，而文本聚类技术则成为web文本挖掘中的研究热点。该文详细介绍了文档聚类算法中的基于划分的k-means算法，对于k-means算法的缺陷，又介绍了对k-means算法有所改善的k中心点算法，并比较二者的优缺点。

关键词：文档聚类；向量空间模型；k-means算法；k中心点算法

中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)20-4781-02

互联网在全球的迅速普及使得人们获取信息的途径有了很大的改变，越来越多的人依赖于网络来获取所需的信息。但随着internet技术的发展，网络信息也呈现了爆炸式增长，网络信息的海量与繁杂使得用户不能很快速有效的找到自己所需要的信息。尤其是对于网络新闻，虽然报道立场各不相同，但是在内容上存在较大冗余，为了帮助网民在尽可能短的时间内了解特定网络新闻的内容要点，这就需要对网络媒体的相似新闻报道有效地整合在一起，方便阅读。在这里，文档聚类就显得尤为重要。

1 文档聚类

通俗的讲，文档聚类就是将内容相似的文档聚集为一个类中。这样，可以将一个文档集分组为几个聚类簇，使得同类文档的相似度尽可能大，而不同类的文档间相似度尽可能小，以达到文档分类的目的。文档聚类是一种无监督的机器学习方法，不需要训练过程，没有任何关于划分的先验知识和指导， 仅仅依靠文档间的相似度作为文档集合划分的准则，因此具有一定的灵活性和自动化处理能力，成为文本挖掘领域越来越多的人研究的热点。

目前，聚类的方法主要有以下几种：划分法（partitioning methods），层次法（hierarchical

methods），基于密度的方法（density-based methods），基于网格的方法（grid-based

Ｖｏ１．４２．Ｎｏ．３　Ｍａｒ．２０１７　火力与指挥控制　Ｆｉｒｅ　Ｃｏｎｔｒｏｌ＆Ｃｏｍｍａｎｄ　Ｃｏｎｔｒｏｌ　第４２卷第３期　２０１７年３月　

文章编号：１００２．０６４０（２０１７）０３—００７５－０５　

改进的稀疏子空问聚类算法球　

张彩霞，胡红萍，白艳萍　（中北大学理学院，太原０３００５１）　

摘要：在现有的稀疏子空间聚类算法理论基础上提出一个改进的稀疏子空间聚类算法：迭代加权的稀疏子空　间聚类。稀疏子空间聚类通过解决ｚ．最小化算法并应用谱聚类把高维数据点聚类到不同的子空间，从而聚类数据。　迭代加权的厶算法比传统的厶算法有更公平的惩罚值，平衡了数据数量级的影响。此算法应用到稀疏子空间聚类　中，改进了传统稀疏子空间聚类对数据聚类的性能。仿真实验对Ｙａｌｅ　Ｂ人脸数据图像进行识别分类，得到了很好的　聚类效果，证明了改进算法的优越性。　关键词：稀疏子空间聚类，迭代加权，谱聚类算法，人脸识别　中图分类号：ＴＰ３０１．６　文献标识码：Ａ　

Ｉｍｐｒｏｖｅｄ　Ｓｐａｒｓｅ　Ｓｕｂｓｐａｃｅ　Ｃｌｕｓｔｅｒｉｎｇ　Ａｌｇｏｒｉｔｈｍ　

ＺＨＡＮＧ　Ｃａｉ－ｘｉａ，ＨＵ　Ｈｏｎｇ－ｐｉｎｇ，ＢＡＩ　Ｙａｈ－ｐｉｎｇ　（Ｓｃｈｏｏｌ　ｏｆＳｃｉｅｎｃｅ，Ｎｏｒｔｈ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＣｈｉｎａ，Ｔａｉｙｕａｎ　０３００５１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｅｘｉｓｔｉｎｇ　ｔｈｅｏｒｙ　ｏｆ　ｓｐａｒｓｅ　ｓｕｂｓｐａｃｅ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ，ａ　ｍｏｄｉｆｉｅｄ　ｓｐａｒｓｅ　ｓｕｂｓｐａｃｅ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｐｕｔ　ｆｏｒｗａｒｄ：ｉｔｅｒａｔｉｖｅ　ｗｅｉｇｈｔｅｄ　ｓｐａｒｓｅ　ｓｕｂｓｐａｃｅ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ．Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｃｌｕｓｔｅｒ　ｄａｔａ，ｓｐａｒｓｅ　ｓｕｂｓｐａｃｅ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｃｌｕｓｔｅｒｓ　ｈｉｇｈ—ｄｉｍｅｎｓｉｏｎａｌ　ｄａｔａ　ｔｏ　ｄｉｆｆｅｒｅｎｔ