科研之友
微信
新浪微博
Facebook
分享链接
摘要
大数据处理面临数据信息缺失、信息杂乱、数据污染等诸多挑战，而离群点的检测与剔除是大数据分析中一个重要的预处理过程。本文针对数据分析中的子空间聚类问题，在数据受到离群点污染的情况下，基于离群点稀疏性的先验知识，对经典的ksubspace子空间聚类算法融入1范数正则化，并采用随机梯度下降优化方法进行子空间聚类，以克服大数据处理计算量大和内存需求高的困难。通过数值仿真，本文方法能够保证在数据受到严重离群点污染的条件下，可以精确检测并剔除离群异常数据，从而获得准确的子空间聚类结果。
-
单位南京南瑞集团公司; 南京信息工程大学
